強化学習その1

SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜 6/10 (木) 9:30～10:40 講師：平川 翼 氏（中部大学） 概要： 深層強化学習はDeep Q-Network (DQN) の登場以降、様々なアプローチが提案されており、AlphaGoによる囲碁の攻略やロボットの自律制御などの様々な応用がなされています。本チュートリアルでは、従来の強化学習の基本的な考え方に触れ、深層学習を組み合わせた深層強化学習についての紹介を行います。また、時間の許す限り、最新の深層学習手法やAlphaGoの仕組み、深層強化学習の活用例を紹介します。

[phare]

“不確かなときは楽観的に この考え方には名前がついている。 「不確かなときは楽観的に」の原理 (optimism in face of uncertainty) 探索と利用のトレードオフを解く”

[stealthinu]

強化学習では「不確かなときには楽観的に」という原理があってそのほうがうまくいく。これはそのまま人生にも適用可能ではという指摘が示唆に富む。

[MichaeL]

不確定なことは楽観的に考えると報酬が高くなる

[todesking]

おもにバンディットアルゴリズムの話