保護中: 探索と活用のトレードオフ解消-リグレットと確率的最適方策、ヒューリスティクス

コメント

1. オンライン学習とオンライン予測あるいは強化学習について | Deus Ex Machina より:

   2022年1月19日 3:57 AM

   […] 探索と活用のトレードオフ -リグレットと確率的最適方策、ヒューリスティクス […]

   返信
2. プランニング問題への動的計画法の実装(価値反復法と方策反復法) | Deus Ex Machina より:

   2022年1月19日 4:03 AM

   […] 次回は探索と活用のトレードオフについて述べる。 […]

   返信
3. モデルフリー型強化学習への価値反復法(TD法、TD(λ)法)適用 | Deus Ex Machina より:

   2022年1月20日 5:03 AM

   […] 前回までで、環境が既知として、完全な情報のもとでの方策の決定(プランニング問題)について述べた。今回は、環境が未知であり、環境とエージェントの相互作用などによって得られたデータから方策を学習することについて述べる。ここで述べるモデルフリー型の強化学習は環境非同定型の強化学習と呼ばれ、環境を陽に推定せずに、方策を学習するアプローチとなる。 […]

   返信