Q-学習の概要とアルゴリズム及び実装例について
Q-学習について
Q-学習（Q-Learning）は、強化学習の一種で、エージェントが未知の環境を探索しながら最適な行動を学習するためのアルゴリズムとなる。Q-学習は、エージェントが行動価値関数（Q関数）を学習し、...
強化学習
ε-グリーディ法（ε-greedy）の概要とアルゴリズム及び実装例について
ε-グリーディ法（ε-greedy）の概要
ε-グリーディ法（ε-greedy）は、強化学習などの探索と活用（exploitationとexploration）のトレードオフを取り扱うためのシンプルで効果的な戦略で...
モデル予測制御（Model Predictive Control, MPC）の概要とアルゴリズム及び実装例について
モデル予測制御（Model Predictive Control, MPC）の概要
モデル予測制御（Model Predictive Control, MPC）は、制御理論の一手法であり、制御対象のモデルを使用して将来の...
マルコフ決定過程(MDP)の概要とアルゴリズム及び実装例について
マルコフ決定過程(MDP)の概要
マルコフ決定過程（MDP、Markov Decision Process）は、強化学習における数学的なフレームワークであり、エージェントが状態と行動に関連付けられた報酬を受け取る環...
強化学習は何故必要なのか?適用事例と技術課題及び解決のアプローチ
イントロダクション
chatGPTで有名なOpenAIのもう一つの側面として強化学習がある。chatGPTのベースとなっている"GPTの概要とアルゴリズム及び実装例について"で述べているGPTの肝は"深層学習におけ...
強化学習技術の概要と各種実装について
強化学習技術の概要
強化学習(Reinforcement Learning)は、機械学習の一分野であり、エージェント(Agent)と呼ばれる学習システムが、環境との相互作用を通じて最適な行動を学習する手法となる。強...
CMA-ES(Covariance Matrix Adaptation Evolution Strategy)の概要とアルゴリズム及び実装例について
CMA-ES(Covariance Matrix Adaptation Evolution Strategy)の概要
CMA-ES (Covariance Matrix Adaptation Evolution Strat...
TRPO-CMAの概要とアルゴリズム及び実装例
TRPO-CMAの概要
TRPO-CMA (Trust Region Policy Optimization with Covariance Matrix Adaptation) は、強化学習におけるポリシー最適化...
Deep Graph Generative Model（DGMG）の概要とアルゴリズム及び実装例
Deep Graph Generative Models（DGMG）の概要
Deep Graph Generative Models（DGMG）は、グラフ生成タスクに特化したディープラーニングモデルの一種で、特...
マルコフ決定過程（MDP）と強化学習を統合したRecursive Advantage Estimationの実装例について
マルコフ決定過程（MDP）と強化学習を統合したRecursive Advantage Estimationについて
Recursive Advantage Estimationは、マルコフ決定過程（MDP）と強化学習...