Q 学習→Q network→DQN の順。Q network は関数 Q(s,a) を(複数の)パラメタ θ からなるものとして、θ を学習する。学習にはニューラルネットを使う。

zyxwv のブックマーク 2016/06/14 20:10

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/259089804/comment/zyxwv" data-user-id="zyxwv" data-entry-url="https://b.hatena.ne.jp/entry/s/qiita.com/Ugo-Nama/items/08c6a5f6a571335972d5" data-original-href="https://qiita.com/Ugo-Nama/items/08c6a5f6a571335972d5" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fqiita.com%2FUgo-Nama%2Fitems%2F08c6a5f6a571335972d5" data-user-icon="/users/zyxwv/profile.png">DQNの生い立ち　＋　Deep Q-NetworkをChainerで書いた - Qiita</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/chainer">chainer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22reinforcement%20learning%22">reinforcement learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dqn">dqn</a>]</li></ul><br><p style="clear: left"> Q 学習→Q network→DQN の順。Q network は関数 Q(s,a) を(複数の)パラメタ θ からなるものとして、θ を学習する。学習にはニューラルネットを使う。</p><a class="datetime" href="https://b.hatena.ne.jp/zyxwv/20160614#bookmark-259089804"><span class="datetime-body">2016/06/14 20:10</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！