Now Loading...

Now Loading...

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。

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。
  • 正解を見る
  • 解説を見る
    方策勾配法では、方策が何らかのパラメーターに従うと考えます。そしてそのパラメーターについての、目的関数(累積報酬の期待値)の勾配を用いて、勾配降下法で目的関数を最大化するパラメーターを求めます。結果として、累積報酬を最大化する方策が決まります。

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↓ zero to one G検定 人工知能基礎 jdla

AIエンジニアを目指すならE資格

日本ディープラーニング協会の実施するE資格の受験に必要となるE資格認定プログラムを割引価格で提供中です。最短合格を目指す方向けのスピードパッケージを70,000円で提供中。(一発合格で33,000円のキャッシュバックキャンペーンも実施中です) zero to one E資格 jdla

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 E資格 jdla

関連ワード

機械学習の具体的手法

教師あり学習

教師なし学習

強化学習

モデルの評価