![](https://cdn-ak-scissors.b.st-hatena.com/image/square/fec8f537e2f2b1b21d26fd9d870667aa15957be3/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JUUzJTgwJTkwJUU2JUI3JUIxJUU1JUIxJUE0JUU1JUJDJUI3JUU1JThDJTk2JUU1JUFEJUE2JUU3JUJGJTkyJUUzJTgwJTkxRHVlbGluZyUyME5ldHdvcmslMjAlRTUlQUUlOUYlRTglQTMlODUlRTMlODMlQkIlRTglQTclQTMlRTglQUElQUMmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtY2xpcD1lbGxpcHNpcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTQ0Zjc3NzU0NmRkYmMwODRlMTU5OGIzZTdmMzJiMjRi%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwb211cmFtJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz01NWFmYzI1ZmZkYWI0MzQ3NTIxZGQxMDUwOTJkYjg3Yw%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D4881619ab4cf7b3fa0f4a9dd3f9b6323)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【深層強化学習】Dueling Network 実装・解説
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【深層強化学習】Dueling Network 実装・解説
Keras + Tensorflow で Dueling Network + DDQN を実装しました。 全体のコードをGitHubにあげておき... Keras + Tensorflow で Dueling Network + DDQN を実装しました。 全体のコードをGitHubにあげておきます。 https://github.com/omurammm/rl_implementation Dueling Networkとは 論文:https://arxiv.org/pdf/1511.06581.pdf こちらの記事で詳しく説明してくださっているので参考にしてください 普通のQ-networkは図(上)のように、状態を入力として受け取り、 SeaquentialなNetworkを通して行動価値関数Q(s,a)を予測する。 それに対しDueling-networkでは図(下)のように、状態を入力として受け取り、途中で状態価値関数V(s)とAdvantage( A(s,a) = Q(s,a) - V(s) )の二つの流れに別れた後、最後に足