強化学習DQN（Deep Q-network） - Qiita

本書は筆者たちが勉強した際のメモを、後に学習する方の一助となるようにまとめたものです。誤りや不足、加筆修正すべきところがありましたらぜひご指摘ください。継続してブラッシュアップしていきます。 © 2021 NPO法人AI開発推進協会 本書は深層強化学習でもっとも基本的なDQNについて説明します。(CNNの基礎を理解している前提で記載しています。まだ理解していない方は別冊のCNNの基礎を先に読んでください） １．強化学習の基礎 強化学習は、認知した情報から行動を判断するための学習手法です。強化学習では、正解データをもとに学習するのではなく、行動に対するフィードバックを「報酬」として間接的な評価（どの程度良かったのか）をもとに学習します。そのため、強化学習は、試行錯誤しながら最適な行動を学習する手法といえます。 図 1 DQNのアーキテクチャ 強化学習のアルゴリズムの代表的な分類に、価値学習／