DQNの生い立ち ＋ Deep Q-NetworkをChainerで書いた - Qiita

はじめに そもそもDQNが作りたかったわけじゃなくて、他の目的でChainerを使いたかったのでその練習にDQNを書いたんですが、せっかくだし公開しようと思いました 公開しました 。またどうせ公開するなら、この機会にこれ（Q学習+関数近似）関連で持っている知識をついでに整理しようと思ってまとめました。 ニュース記事とかNatureとかNIPSの論文だけ読むと、DQN作ったDeepmind/Googleすげー！！！って感覚になりそうですが、強化学習的な歴史的経緯を考えると強化学習+深層学習になった、むしろかなり当然の成り行きで生まれた技術であることがわかります。（ATARIのゲームを人間以上のパフォーマンスでプレイするというのがビジュアル的にわかりやすかった$\leftrightarrow$問題設定が良かったというのもあります。） この記事ではNIPSとNatureの以下の２本の論文 ・ V

[emeraldwar]

Neural Fitted Q Iteration

[aipacommander]

強化学習勉強中

[hijikiwakame]

DeepQnet　chainer

[chess-news]

　DQNとは

[hsato2011]

Q-learningの強化学習の収束条件は、真の価値関数に近づいてるか（差）を条件とする。

[kumicit]

DQN=Deep Q-Network機械学習

[t_f_m]

"Q学習のQは何なんでしょう。強化学習の生みの親のひとり、Barto先生のコメントによると、この"Q"は"Quality"のQ（と思ってるよ）ということらしいです ∗11∗11 "

[naari_3]

これより実装に入る

[zyxwv]

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。

[banana-umai]

dqn

[gogochephy]

これはいいまとめ

[tontenkarari]

dqn chainer

[kzfm]

DQN

[elu_18]

DQNの生い立ち　＋　Deep Q-NetworkをChainerで書いた [Python] on @Qiita http://t.co/JroCiqGJfc

[chezou]

良いまとめ

[mrkn]

よくまとまっている

[shi3z]

ソースが見たい、とおもったらgithubで公開予定とのことなので期待age