Tag: 強化学習
記事 (8)
-
方策反復法とは?意味とベルマン方程式との関係について
方策反復法の意味を、強化学習における役割やMDPを前提とした仕組み、方策評価・方策改善の流れ、ベルマン方程式との関係とあわせて解説。
-
REINFORCEとは?方策勾配定理との関係をわかりやすく解説
REINFORCEの基本から、確率的方策で収益の期待値を最大化する仕組みと、方策勾配定理との関係をわかりやすく解説します。
-
方策勾配法と方策勾配定理の意味について解説
方策勾配法と方策勾配定理の意味を、強化学習における方策ベースと価値ベースの違いや期待収益の考え方とともにわかりやすく解説。
-
カリキュラム学習(Curriculum Learning)とは?簡単なことからAIを育てる方法
カリキュラム学習とは、簡単なデータから難しい課題へ段階的に学ばせる手法。仕組みやメリット、強化学習での活用をやさしく解説します。
-
方策評価と方策改善とは?強化学習の基本サイクルをわかりやすく解説
強化学習における方策評価と方策改善の意味、役割、違い、関係性を初心者向けに解説。価値関数とのつながりや最適な方策を導く基本サイクルがわかります。
-
Bellman方程式と状態価値関数、行動価値関数(Q関数)について
強化学習における状態価値関数と行動価値関数(Q関数)の定義、直感、Bellman方程式、両者の関係をわかりやすく整理して解説します。
-
MDPの定義・具体例・状態価値関数・方策・練習問題について
MDPの定義を、状態・行動・遷移確率・報酬の4要素から解説し、具体例や状態価値関数、方策、練習問題まで学べる記事です。
-
強化学習とバンディット問題・練習問題について
強化学習の基礎としてバンディット問題の問題設定を解説。環境・エージェント・行動の定義や考え方を練習問題とともに学べます。