0

読みたい数

0

読んだ数

本の紹介

強化学習が実装できる! エンジニアのために、Pythonのサンプルコードとともに、ゼロからていねいに解説。コードも公開! 強化学習が実装できる! エンジニアのために、Pythonのサンプルコードとともに、ゼロからていねいに解説。実用でのネックとなる強化学習の弱点とその克服方法、さらに活用領域まで紹介した。コードも公開! ・Pythonプログラミングとともに、ゼロからていねいに解説。 ・コードが公開されているから、すぐ実践できる。 ・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。 【おもな内容】 Day1 強化学習の位置づけを知る Day2 強化学習の解法(1): 環境から計画を立てる  価値の定義と算出: Bellman Equation  動的計画法による状態評価の学習: Value Iteration  動的計画法による戦略の学習: Policy Iteration  モデルベースとモデルフリーとの違い Day3 強化学習の解法(2): 経験から計画を立てる  経験の蓄積と活用のバランス: Epsilon-Greedy法  計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference  経験を状態評価、戦略どちらの更新に利用するか Day4 強化学習に対するニューラルネットワークの適用  強化学習にニューラルネットワークを適用する  状態評価を、パラメーターを持った関数で実装する: Value Function Approximation  状態評価に深層学習を適用する: Deep Q-Network  戦略を、パラメーターを持った関数で実装する: Policy Gradient  戦略に深層学習を適用する: Advantage Actor Critic(A2C)  状態評価か、戦略か Day5 強化学習の弱点  サンプル効率が悪い  局所最適な行動に陥る、過学習をすることが多い  再現性が低い  弱点を前提とした対応策 Day6 強化学習の弱点を克服するための手法  サンプル効率の悪さへの対応:モデルベースとの併用/表現学習  再現性の低さへの対応:進化戦略  局所最適な行動/過学習への対応:模倣学習/逆強化学習 Day7 強化学習の活用領域  行動の最適化  学習の最適化 Day1 強化学習の位置づけを知る Day2 強化学習の解法(1): 環境から計画を立てる Day3 強化学習の解法(2): 経験から計画を立てる Day4 強化学習に対するニューラルネットワークの適用 Day5 強化学習の弱点 Day6 強化学習の弱点を克服するための手法 Day7 強化学習の活用領域

この本を紹介しているHatenaブログの記事a