GAFA。水面下の争いに決着。 - 四谷ラボ公式ブログ
こんにちは、四谷ラボのやましんです。 晴れて結婚20周年を迎えることができました！！ こうやって、書きたいときにブログを書けるのも、周りの人が支えてくれるからだね。 ありがとう！ 結果発表 さっそく「GAFA。水面下の争いに決着。」を目撃すべく、この映像を見て欲しい。 youtu.be 後半の追い上げがハンパなく、GAFAの中で優勝を獲得したのはAppleでした。 ※仮想環境で文字列の泳ぎを学習させて、競わせたものであり、各社の業績とは無関係です。 今回挑戦した内容 バーチャル空間でGoogle、Apple、Facebookそしてamazonの文字列をくねらせて、水泳の機械学習に挑戦しました。 機械学習の環境 Unity バージョン2020.1.10f1 ml-agents version 1.1.0 https://github.com/Unity-Technologies/ml-age
再帰型強化学習を用いた金融商品取引の可能性 - GMOインターネットグループ グループ研究開発本部
次世代システム研究室のL.G.Wです。今回も、前回から引き続き強化学習のトピックを話します。今回は、Direct Policyベースの再帰型強化学習の特徴を解説し、FXの自動取引を例にして、実装およびその結果を説明します。 再帰型強化学習とは 強化学習（前回のBlogを参考してください）には、大まかに２種類のアプローチがある。一つは、Value関数の近似化。典型的なアルゴリズムはQ-Learning （有名事例：Play Atari）である。もう一つは、最適なPolicyを直接探索する手法。世の中に大きな衝撃を与えたAlpha GoもこのDirect Policy手法を利用した。 二つの手法の類似点は、（１）環境へActionを起こし、そのActionで得られた報酬を学習信号として、ActionのPolicyを修正し最適なActionを取れるルートを学習する；（２）Supervised L
Deep Reinforcement Learning: Playing a Racing Game - Byte Tank
Agent playing Out Run, session 201609171218_175eps No time limit, no traffic, 2X time lapse Above is the built deep Q-network (DQN) agent playing Out Run, trained for a total of 1.8 million frames on a Amazon Web Services g2.2xlarge (GPU enabled) instance. The agent was built using python and tensorflow. The Out Run game emulator is a modified version of Cannonball. All source code for this projec
連続な空間における強化学習
説明用OHP資料 離散的ではない空間のValueを学習するには？ 離散状態表現による近似 離散状態表現による近似の問題点 線形アーキテクチャによる汎化と関数近似 Radial Basis Function (RBF)を用いた線形アーキテクチャ 線形アーキテクチャにおける更新処理(TD法) 線形アーキテクチャを用いたTD法の更新例 線形アーキテクチャにおける更新処理(Q-learning) 線形アーキテクチャによる汎化と関数近似：特徴ベクトルについて 連続な行動空間を扱う強化学習：Actor-Critic Actor-Criticを連続行動空間へ拡張するには？ 連続な行動空間を扱う強化学習：Q-learning (1) 連続な行動空間を扱う強化学習：Q-learning (2) 参考文献 [Baird 95b] Baird, L.: Residual Algorithms: Reinforc
DQNをKerasとTensorFlowとOpenAI Gymで実装する
はじめに 少し時代遅れかもしれませんが、強化学習の手法のひとつであるDQNをDeepMindの論文Mnih et al., 2015, Human-level control through deep reinforcement learningを参考にしながら、KerasとTensorFlowとOpenAI Gymを使って実装します。 前半では軽くDQNのおさらいをしますが、少しの強化学習の知識を持っていることを前提にしています。 すでにいくつか良記事が出ているので紹介したいと思います。合わせて読むと理解の助けになると思うので、是非参考にしてみてください。 DQNの生い立ち ＋ Deep Q-NetworkをChainerで書いた DQNが生まれた背景について説明してくれています。Chainerでの実装もあるそうです。 ゼロからDeepまで学ぶ強化学習 タイトルの通り、ゼロからDeepま
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
stockdog.work
最近のDQN
強化学習(Reinforcement Learning) | Brainvalley 人工知能と脳科学のアーカイブサイト。