方策勾配法
方策勾配法
最適な方策を見出すのは難しいため、Q学習などでは価値関数を最適化していくという考え方をしていますが、逆に直接最適な方策を見つけ出すというアプローチである方策勾配法というものもあります。
この方法では方策をあるパラメータで表された関数とし、そのパラメータを学習することで方策を学習する方法です。この方法は特に行動の選択肢が多い場合に用いられます。なぜならこれは行動の選択肢が多い場合には価値を算出するのに多大なる膨大コストがかかったしまうために学習が不可能であるからです。
👉より体系的に学びたい方は「人工知能基礎」（東京大学松尾豊先生監修）へ
クイズ
以下の文章を読み、空欄(ア)に最もよく当てはまる選択肢を1つ選べ。
(ア)は強化学習の手法の一つであり、累積報酬の期待値を目的関数とし、方策をあるパラメーターで表し、勾配降下法等により累積報酬を最大化する方策を求める。
人工知能基礎講座を提供中
人工知能の第一人者である東京大学の松尾豊教授が監修した人工知能基礎講座を受講してみませんか？
人工知能の歴史から自然言語処理、機械学習、深層学習といった最先端のトピックやAIに関わる法律問題まで網羅しているので全てのビジネスパーソン・AIの初学者におすすめです。
サンプル動画
人工知能基礎講座はこちら↓
AI初学者・ビジネスパーソン向けのG検定対策講座
G検定受験前にトレーニングしたい方向けの問題集「G検定実践トレーニング」も提供中です。
zero to oneの「E資格」向け認定プログラム
日本ディープラーニング協会の実施するE資格の受験ならzero to oneの「E資格」向け認定プログラム (税込165,000円) をおすすめします。当講座は、東京大学大学院工学系研究科の松尾豊教授と東北大学大学院情報科学研究科の岡谷貴之教授が監修する実践的なプログラムとなっています。
厚生労働省の教育訓練給付制度対象のE資格認定プログラムの中では最安値※となり、実質負担額49,500円～(支給割合70%の場合)で受講可能です。※2023年弊社調べ
