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。

特別割引クーポンのお知らせ

<人工知能基礎&G検定実践問題集>

・クーポン:aibgt220920-2bso
・有効期間:2022年10月21日(金)

*使い方:以下バナーより「購入する」に進んでいただき、左下のクーポン欄にご記入、適用してください。

zero to one G検定 jdla

<G検定実践トレーニング>

・クーポン:gt220920-1dao
・有効期間:2022年10月21日(金)

*使い方:以下バナーより「購入する」に進んでいただき、左下のクーポン欄にご記入、適用してください。

zero to one G検定 jdla

関連ワード

機械学習の具体的手法