深層強化学習アルゴリズムまとめ

はじめに 深層強化学習の分野では日進月歩で新たなアルゴリズムが提案されています. それらを学ぶ上で基礎となるアルゴリズム(というより概念に近い？)はQ学習, SARSA, 方策勾配法, Actor-Criticの4つだと思われるので, これらを軸としてまとめてみたいと思います. 以下の4点はあらかじめご了承ください. コードは書いていません. 概念のみの説明です 他のアルゴリズムの基礎となりうる重要な概念については詳しく書きました. その他については簡潔に書きました 深層学習についてはある程度理解している読者を想定しています 書いているうちに規模がどんどん大きくなってしまったので, どこかに必ず間違いや不足があります. 「この式がおかしい！」「このアルゴリズムも追加するべき！」などコメントがあればぜひお願いします 全体像 扱うアルゴリズムを相関図にしてみました(私のイメージです). まず,

[peroon]

無言ブクマの数ｗこれもう英語学習と同じだな

[isrc]

全体像／方策関数／価値関数／価値ベース/方策ベース/モデルベース／方策オン/オフ／価値ベースのアルゴリズム／方策ベースのアルゴリズム

[fubar_foo]

actor criticは方策勾配やら価値関数推定やらから派生してるから、そこの繋がりも入れた方が良いと思う。

[yoiIT]

“価値関数をディープにしたものがDQN”

[salamander_jp]

"We were supposed to make AI do all the work and we play games but we do all the work and the AI is playing games!"

[Taniken]

“はじめに 深層強化学習の分野では日進月歩で新たなアルゴリズムが提案されています. それらを学ぶ上で基礎となるアルゴリズム(というより概念に近い？)はQ学習, SARSA, 方策勾配法, Actor-Criticの4つだと思われるので, これ

[yaruo5222]

DQNは知ってるよ！！！

[MacRocco]

あばばばばばばばばばばばばばば

[stealthinu]

強化学習アルゴリズムの種類についてまとめられてる。Actor-Critic系ってのがあるのか。知らんかった。

[tiamointer]

“書いているうちに規模がどんどん大きくなってしまったので, どこかに必ず間違いや不足があります. 「この式がおかしい！」「このアルゴリズムも追加するべき！」などコメントがあればぜひお願いします”