Gasyou https://blog.hatena.ne.jp/Gasyou/ GA将？開発日記～王理のその先へ～ https://gasyou.hatenablog.jp/ 開発日記 メモ 例によって自分用です。 アブストラクト 大規模な強化学習問題を解くには関数近似が必要だ。過去10年で主流だったのは価値関数の近似（と、それをベースにした方策）だった。これは多くの応用において良く働いたが、その手法にはいくつかの限界もある。 この論文では別の関数近似の手法を示す。それは、（その内部にパラメータを持つ）独立した関数近似器を用いて、確率的な方策を直接記述する手法だ。WilliamsのREINFORCEアルゴリズムは価値関数を用いる強化学習手法より（収束が？）遅い。価値関数を学習し、勾配のバリアンスを予測するのに使うのは高速な学習の為には効果的だ。 1. 方策勾配定理 関数近似を用いる… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fgasyou.hatenablog.jp%2Fentry%2F20101014%2F1287053556" title="Policy Gradient Methods for Reinforcement Learning with Function Approximation読んだまとめ - GA将？開発日記～王理のその先へ～" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2010-10-14 19:52:36 rich https://gasyou.hatenablog.jp/entry/20101014/1287053556 1.0 100%