強化学習

ベイジアンネットワークを用いた推論と行動の統合によるアルゴリズム ベイジアンネットワークを用いた推論と行動の統合は、確率的なモデルを利用してエージェントが環境とやり取りしながら最適な行動を選択する手法であり、ベイジ...

マルコフ決定過程（MDP）と強化学習を統合したアルゴリズム "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"で述べているマルコフ決定過程（MDP）と"強化学習技術の概要と各種実装について"で述べ...

Deep Deterministic Policy Gradient (DDPG)の概要 Deep Deterministic Policy Gradient (DDPG) は、連続状態空間と連続行動空間を持つ強化...

A3C (Asynchronous Advantage Actor-Critic)の概要 A3C（Asynchronous Advantage Actor-Critic）は、深層強化学習のアルゴリズムの一種で、非同...

Proximal Policy Optimization (PPO)の概要 Proximal Policy Optimization（PPO）は、強化学習のアルゴリズムの一種であり、ポリシー最適化法の一つであり、"...

Soft Actor-Critic (SAC) の概要 Soft Actor-Critic（SAC）は、強化学習（Reinforcement Learning）のアルゴリズムの一種で、主に連続行動空間を持つ問題に対...

Deep Q-Network (DQN)の概要 Deep Q-Network（DQN）は、ディープラーニングとQ-Learningを組み合わせた手法で、Q関数をニューラルネットワークで近似することによって、高次元の...