強化学習

ACKTRの概要 ACKTR（Actor-Critic using Kronecker-factored Trust Region）は、強化学習のアルゴリズムの一つであり、"トラストリージョン法について"で述べてい...

最適制御に基づく逆強化学習（Optimal Control-based Inverse Reinforcement Learning）の概要 最適制御に基づく逆強化学習（Optimal Control-based ...

最大エントロピー逆強化学習（Maximum Entropy Inverse Reinforcement Learning, MaxEnt IRL）の概要 最大エントロピー逆強化学習（Maximum Entropy ...

逆強化学習の概要について 逆強化学習（Inverse Reinforcement Learning, IRL）は、強化学習の一種で、エキスパートの行動データからエキスパートの意思決定の背後にある報酬関数を学習するタ...

TD3 (Twin Delayed Deep Deterministic Policy Gradient)の概要 TD3（Twin Delayed Deep Deterministic Policy Gradien...

Double Q-Learningの概要 Double Q-Learning（ダブルQ-ラーニング）は、"Q-学習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Q-Learningの一種であり、強化学習のアル...

Trust Region Policy Optimization (TRPO)の概要 Trust Region Policy Optimization（TRPO）は、強化学習のアルゴリズムで、"ポリシー勾配法の概要...

ドリフト検出ベースの逆強化学習（Drift-based Inverse Reinforcement Learning）の概要 ドリフト検出ベースの逆強化学習（Drift-based Inverse Reinforc...

特徴量逆強化学習（Feature-based Inverse Reinforcement Learning）の概要 特徴量逆強化学習（Feature-based Inverse Reinforcement Lear...