OpenAI Gym を触ってみる - 壁は通り抜けられませんよ
OpenAI Gymなる強化学習用プラットフォームを触ってみました(参考: PyConJPのプレゼンテーション)。 インストール自体はpip install gymで一発です(Atariゲームなどを扱いたい場合はpip install gym[atari]のようにサブパッケージをインストールする必要があるようです)。一応ドキュメントで使い方は説明されていますが、若干戸惑う点があったので随時補足します。 Atariゲームなど色々面白そうな環境がありますが、とりあえずFrozenLake(4x4, 8x8)というのが初心者向けっぽいので、これを試してみました。 ルールは非常に単純で、固定配置のマップ上でスタートから穴に落ちずにゴールに辿り着くだけです。成功時1点、失敗時0点の報酬が得られます。マップ上の記号の意味は以下の通り: 記号 意味 S スタート F 床 H 穴 G ゴール ただしスター
■featured stories
Emerging technology review シリコンバレーからの先端技術分析レポート。先端技術を学び、日本企業の経営戦略と製品計画策定に寄与。未来を生み出すベンチャー企業やファウンダーと接し、イノベーション誕生の思想に迫る。 “Emerging Technology Review” is research reports featuring the latest technologies. The articles analyze the new wave of the technologies and explores the Silicon Valley culture and innovations. ■featured stories シリコンバレーからの先端技術分析レポート (ブログへのリンク) ■about シリコンバレーで生まれる先端技術を解析 VentureCl
GitHub - aikorea/awesome-rl: Reinforcement learning resources curated
Codes for examples and exercises in Richard Sutton and Andrew Barto's Reinforcement Learning: An Introduction Python Code MATLAB Code (BROKEN LINK) C/Lisp Code Julia Code Book Exercise Solutions Simulation code for Reinforcement Learning Control Problems Pole-Cart Problem Q-learning Controller MATLAB Environment and GUI for Reinforcement Learning Reinforcement Learning Repository - University of M
GitHub - yandexdataschool/Practical_RL: A course in reinforcement learning in the wild
The syllabus is approximate: the lectures may occur in a slightly different order and some topics may end up taking two weeks. week01_intro Introduction Lecture: RL problems around us. Decision processes. Stochastic optimization, Crossentropy method. Parameter space search vs action space search. Seminar: Welcome into openai gym. Tabular CEM for Taxi-v0, deep CEM for box2d environments. Homework d
Richard S. Suttonら著の強化学習本のドラフト版が公開 - めも
pdf サンプルコード 追記 このドラフト版の前の本 Sutton, Richard S., and Andrew G. Barto. Reinforcement learning: An introduction. Vol. 1. No. 1. Cambridge: MIT press, 1998. で有名なRichard S. Sutton氏による新しい強化学習本のドラフト版が以下のページより閲覧できます。総計400p超＋サンプルコードあり。 pdf タイトル：Reinforcement Learning: An Introduction. Richard S. Sutton and Andrew G. Barto https://webdocs.cs.ualberta.ca/~sutton/book/the-book-2nd.html サンプルコード github.com 追記 バン
Sutton & Barto Book: Reinforcement Learning: An Introduction
Reinforcement Learning: An Introduction Richard S. Sutton and Andrew G. Barto Second Edition (see here for the first edition) MIT Press, Cambridge, MA, 2018 Buy from Amazon Errata Full Pdf pdf without margins (good for ipad) New Code Old Code Solutions -- send in your solutions for a chapter, get the official ones back (currently incomplete) Teaching Aids Literature sources cited in the book Latex
Learning Reinforcement Learning
Github Repo with code and exercises Why Study Reinforcement Learning #Reinforcement Learning is one of the fields I’m most excited about. Over the past few years amazing results like learning to play Atari Games from raw pixels and Mastering the Game of Go have gotten a lot of attention, but RL is also used in Robotics, Image Processing and Natural Language Processing. Combining Reinforcement Lear
Deep Q-LearningでFXしてみた - GMOインターネットグループ グループ研究開発本部
次世代システム研究室のJK（男）です。よろしくお願いします。 今回はDeep Q-Learningという手法でFXをやってみたので紹介します。前回のブログでは、LSTMというディープラーニング(Deep Learning; 深層学習とも)の一種を使って、株価変動の予想をしました。これは「教師あり学習」という手法で、コンピュータに常に「正解」を教えて学習させます。でも、よくよく考えると金融商品って時間変動の予想が最終目標じゃないですよね。最終目標は（基本的に）金融商品の売買で儲けること。つまり予想を元に、いま売るのか、買うのか、何もしないのか、という「行動」を決めることです。完全に未来がわかるのでもない限り、この行動に「正解」が無いことがわかります。 完全に予想するのは無理（短期的には買ったり負けたり）かもしれませんが、長期的には儲けるような「方針」は立てられるかもしれない。このように「方針
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
Reddit - Dive into anything
https://rll.berkeley.edu/deeprlcourse/