2020-05-21から1日間の記事一覧
方策勾配法 強化学習の目的は「長期的な報酬を最大化する方策を求めること」でした． 方策勾配法は，方策をパラメータを持った関数として定義し，方策の価値が最大となるパラメータを勾配法で求める方法です． パラメータを持つ方策の価値をとします．方策の…
方策勾配法 強化学習の目的は「長期的な報酬を最大化する方策を求めること」でした． 方策勾配法は，方策をパラメータを持った関数として定義し，方策の価値が最大となるパラメータを勾配法で求める方法です． パラメータを持つ方策の価値をとします．方策の…
