Now Loading...

Now Loading...

Actor-Critic

Actor-Critic

Actor-Criticは価値関数ベースと方策勾配法ベースの考え方を組み合わせた手法です。

この手法では行動を決めるActorと行動を評価するCriticで構成されます。まず、Actorが方策を元に行動を選択し、実行します。そしてその行動によって得られた状態や報酬をCriticが環境から観測します。そしてその観測した状態と報酬を元にCriticが評価し、それを元にActorが方策を更新するという作業を繰り返していきます。

クイズ

深層強化学習には様々な手法があり、その一つにActor-Critic法がある。学習中のActorとCriticの挙動に関して最も適切な選択肢を一つ選べ。
  • 正解を見る
  • 解説を見る
    学習中、Actorは行動を選択し、CriticはActorの行動を評価します。その後CriticはActorに評価を通知し、Actorはそれを受けて方策を更新し学習を続行します。

特別割引クーポンのお知らせ

zero to one G検定 jdla

zero to one G検定 jdla

関連ワード

機械学習の具体的手法