Dajiro https://blog.hatena.ne.jp/Dajiro/ ころがる狸 https://dajiro.com/ 強化学習 機械学習 こんばんは。今日のテーマは方策勾配法です。前回の記事では強化学習の基礎から深層強化学習（DQN）までを扱いました。そこでは状態や行動の価値Qの見積もりをいかにして最適化するかという考え方が根底にありましたが、方策勾配法では価値ではなくエージェントの方策（≒エージェントの行動確率）を最適化することが目的です。本記事では学習のワークフローをまじえながら方策勾配法を解説します。【参考資料】強化学習の入門記事はこちら。 dajiro.hatenablog.com（式の展開をすっ飛ばしたい人は、方策勾配法のワークフローからご覧ください！） 方策勾配法の仕組み 学習のワークフロー おさらい ワークフロー … 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fdajiro.com%2Fentry%2F2020%2F05%2F19%2F170402" title="【強化学習】方策勾配法の仕組みと学習のワークフロー - ころがる狸" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/D/Dajiro/20200519/20200519170236.png Hatena Blog https://hatena.blog 2020-05-19 17:04:02 rich https://dajiro.com/entry/2020/05/19/170402 1.0 100%