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。

👉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

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。

    👉G検定の受験対策は約1,000問収録の「G検定実践トレーニング」へ

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

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 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