ということで、長く続いてきたけど、これでオシマイ。 これまでの各記事は、以下から。 強化学習とは? イントロダクション 強化学習のコンセプト 基本的な用語の定義 「知識利用」と「探査」のバランスの問題 非連想的な問題、n本腕バンディット問題 n本腕バンディット問題(プログラム) 行動価値の推定と改善 n本腕バンディット問題 - εグリーディ法(プログラム) n本腕バンディット問題 - ソフトマックス法(プログラム) 強化学習問題の数学的記述 状態遷移のモデル、価値ベクトル、Bellman方程式 動的計画法 方策評価 方策改善 レンタカー問題 - 方策反復(プログラム) レンタカー問題 - 価値反復(プログラム) モンテカルロ法 モンテカルロ法の考え方、モンテカルロ-ES法 ブラックジャック - モンテカルロ-ES法(プログラム) 方策オン型/オフ型モンテカルロ制御 レーストラック問題 -
![強化学習について学んでみた。(まとめ) - いものやま。](https://cdn-ak-scissors.b.st-hatena.com/image/square/6cea652e274f1bf7f8dd272882ce084ce6480626/height=288;version=1;width=512/https%3A%2F%2Fimages-fe.ssl-images-amazon.com%2Fimages%2FI%2F51PNPA99TZL._SL160_.jpg)