保護中: モデルフリー型の強化学習(2)- 方策反復法(Q学習法、SARSA、アクタークリック法)

このコンテンツはパスワードで保護されています。閲覧するには以下にパスワードを入力してください。

コメント

  1. […] モデルフリー型の強化学習(2)– 方策反復法 […]

  2. […] 次回は主にベルマン最適作用素B*に基づく価値反復法を近似的に実行して、最適方策π*を学習することについて述べ、ベルマン行動作用素の標本近似を行い。さらにバッチ学習とオンライン学習としてQ学習法とSARSA法について述べる。 […]

  3. […] 前回は環境を推定しないモデルフリー型の強化学習について述べた。今回は、環境モデルを陽に推定し、推定した環境モデルを用いて方策を求めるモデルベース型の強化学習について述べる。 […]

  4. […] 策評価と方策改善のステップを交互に繰り返し、最適な方策を収束させる。詳細は”モデルフリー型の強化学習(2)- 方策反復法(Q学習法、SARSA、アクタークリック法)“も参照のこと。 […]

モバイルバージョンを終了
タイトルとURLをコピーしました