強化学習 - 機械学習の「朱鷺の杜Wiki」
強化学習 (reinforcement learning)† 知識をもった教師からサンプルが与えられるのではなく，環境から与えられる報酬を元に，環境のモデルと報酬を最大化する政策を学習する枠組み． -- しましま 強化学習は、ベルマン方程式 \(Q(s,a)=\int Q(s'|a)p(a|\theta)+r_{ss'} p(s'|s,a)da\)のもとで期待報酬和\(\int Q(s,a)p(a|\theta)da\)を最大化する政策θを探す問題として、定式化される。このように定式化された強化学習では、ベルマン方程式を解くことと、最適な政策を探すという２つの操作を同時に行う。ベルマン方程式の解き方によって、モンテカルロ法、TD(λ)、動的計画法と呼び分ける。一方、政策の最適化（サンプリング）は方策オンと方策オフの2つ分類される。 応用上の問題点としては次のようなものが挙げられる。 状態s
Freeware - 機械学習の「朱鷺の杜Wiki」
統計，機械学習，データマイニングのためのフリーウェアを登録しましょう． ID は ibis でパスワードは VC 次元の V のフルスペルです（頭だけ大文字） 大規模でいろいろな機能のある Freeware はこのページにまとめました． その他の単機能の Freeware は各ページにあります．「Freeware」で検索してください． 検索:Freeware 目次：(総合) (個別) 詳細情報を別ページにまとめました† 機械学習全般のソフトについて：機械学習#Freeware 関連フリーソフトを掲載している主な項目： 最適化, 行列, SVM, グラフィカルモデル, クラスタリング, 自然言語処理, ニューラルネット, 強化学習, 遺伝的アルゴリズム, 隠れMarkovモデル, 自己組織化マップ 検索:Freeware：特定の手法をに対する実装は，個別ページにまとめたので検索してください．
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
