Now Loading...

Now Loading...

行動価値関数

行動価値関数

行動価値関数はある状態から次の状態に遷移する際に設定されている行動に対する関数です。

強化学習では「最終的に獲得する累計報酬を最大化」することが目的です。そこで重要となってくるものが状態価値関数と行動価値関数です。エージェントは累計の行動関数が最大となるように行動することで最短のルートを歩むことができます。

クイズ

強化学習において学習の対象である行動価値関数Qの説明として、最も適切な選択肢を1つ選べ。 (参考: JDLA推薦図書「AI白書2019」 P45)
  • 正解を見る
  • 解説を見る
    価値関数は、エージェントを含む周囲の環境の現在の状態と、エージェントがとりうる行動を変数として、その行動がどれぐらいの報酬をもたらすかを返す関数です。価値関数の値が最大になるような行動を取ることでタスクが達成されるような適切な価値関数を求めることが、強化学習では重要です。

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