差分
このページの2つのバージョン間の差分を表示します。
| 次のリビジョン | 前のリビジョン 最新のリビジョン 両方とも次のリビジョン | ||
|
機械学習:強化学習 [2016/02/18 11:12] asakawa 作成 |
機械学習:強化学習 [2016/02/23 10:13] asakawa |
||
|---|---|---|---|
| 行 4: | 行 4: | ||
| また強化学習は，他の機械学習の分野とも毛色が異なっています。問題設定が異なることもあり，出発点となる考え方の抽象度も異なります。 | また強化学習は，他の機械学習の分野とも毛色が異なっています。問題設定が異なることもあり，出発点となる考え方の抽象度も異なります。 | ||
| + | {{ : | ||
| そもそも，データが与えられて，そのデータを分析するというデータサイエンス的な考え方の大枠と， 環境と行為者（エージェント）とがあって，エージェントは環境に働きかけて，その結果報酬を受取る，という強化学習の枠組みとなる考え方には乖離があります。 しかし，（強化学習もデータサイエンスも）定式化が進展し，理論も環境も整備され，大きな分野となっています。 | そもそも，データが与えられて，そのデータを分析するというデータサイエンス的な考え方の大枠と， 環境と行為者（エージェント）とがあって，エージェントは環境に働きかけて，その結果報酬を受取る，という強化学習の枠組みとなる考え方には乖離があります。 しかし，（強化学習もデータサイエンスも）定式化が進展し，理論も環境も整備され，大きな分野となっています。 | ||
| 行 9: | 行 10: | ||
| ２０１４年には強化学習の手法とディープラーニングとを組み合わせて，アタリのビデオゲームを行う DQN と名付けられたシステムがゲームによっては人間の成績を上回ることで話題になりました。 | ２０１４年には強化学習の手法とディープラーニングとを組み合わせて，アタリのビデオゲームを行う DQN と名付けられたシステムがゲームによっては人間の成績を上回ることで話題になりました。 | ||
| - | - Q 学習 | + | - [[機械学習: |
| - | - TD 学習 | + | - [[機械学習: |
| - | - アクタークリティック法 (Actor Qritique Methods) | + | - [[機械学習: |