強化学習について

強化学習の基礎

• バンディット問題について
• マルコフ決定過程 (MDP)について
• 状態価値関数とベルマン方程式
• 方策評価と方策改善
• 方策反復
• 価値反復

様々な手法

• モンテカルロ法
• TD法
• SARASA
• Q学習
• DQN

方策勾配法

• 方策勾配法
• REINFORCE
• Actor-Critic
• TRPOとPPO

応用例

• カリキュラム学習