機械学習:強化学習

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。

この比較画面にリンクする

次のリビジョン
前のリビジョン
機械学習:強化学習 [2016/02/18 11:12]
asakawa 作成
機械学習:強化学習 [2016/12/02 15:06] (現在)
n.arakawa
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。
 +{{ :機械学習:env_and_agent.png?nolink&300 |}}
  
 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。
  
-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アタリのビデオゲムを行う DQN と名付けられたシスゲームによって人間の成績を上回るこで話題なりした+主要な手法と[[https://ja.wikipedia.org/wiki/Q学習|Q学習]]やタークリィック法ありますが、それらTD学習(Temporal difference learning)呼ばれる手法分類され
  
-  - Q 学習 +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。
-  - TD 学習 +
-  - ークリティック法 (Actor Qritique Methods)+
  
  • 機械学習/強化学習.1455761569.txt.gz
  • 最終更新: 2016/02/18 11:12
  • by asakawa