Wasserstein GAN (WGAN) - DeepLearningを勉強する人
Wasserstein GAN (WGAN) [1701.07875] Wasserstein GAN ([1701.04862] Towards Principled Methods for Training Generative Adversarial Networks WGANの話の前にこの話がある) Martin Arjovsky氏の実装(Torch) GitHub - martinarjovsky/WassersteinGAN WGANをTensorFlowで実装した github.com 論文まとめ 深く理解しようとするとかなり数学的知識が要求されるので、直感的な理解だけを追っていくことにする. そもそもVAEやGANのアプローチというのは、自分の分布を真の分布に近づけていくというものだが、この分布間の距離/ダイバージェンスの定義の仕方によって、学習の収束性、安定性に差異がある
Deep Q Network (DQN) - DeepLearningを勉強する人
http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html [1312.5602] Playing Atari with Deep Reinforcement Learning Q-Learningにおいて、action-value functionをDNNで関数近似したもので、Deep RLの皮切りとなった. Q-Learningとはなんだったか？ 自分用の強化学習メモからの復習的ななにか. Model-free、Off-Policy、Value-basedなControl target policy : greedy behavior policy : -greedy (TD-TargetにはサンプリングしたBellman Optimality Equation) パラメータで関数近似した場合、 論文まとめ
強化学習基礎（メモ書き） - DeepLearningを勉強する人
強化学習基礎 MDP→TD→Q-Learning→DQN手前まで、強化学習の基本的なことをかいつまんだまとめ （自分用の自己満メモ） 素晴らしい講義 David Silver氏による強化学習講義 これにほぼ対応した素晴らしい演習問題+α GitHub - dennybritz/reinforcement-learning: Implementation of Reinforcement Learning Algorithms. Python, OpenAI Gym, Tensorflow. Exercises and Solutions to accompany Sutton's Book and David Silver's course. Malkov Decision Process (MDP) 完全に観測可能(fully observable)な環境を表す過程 MP (Malkov
1
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
