y-kamiya https://blog.hatena.ne.jp/y-kamiya/ MEMOcho- https://jsapachehtml.hatenablog.com/ machine learning algorithm python pytorch DQNで実装したものはネット上でよく見かけるが方策勾配法を使ったものは意外と見つからないのでやってみた。 題材はこちら 第5回 ⽅策勾配法で迷路を攻略｜Tech Book Zone Manatee 私はこの連載で強化学習の基本的な実装方法を学んだがとてもわかりやすかった。なので同じ迷路を題材として、↑では離散的に行列で表現されている方策πをニューラルネットワークで置き換えた形にしてみる。 方策勾配法とニューラルネットワークの組み合わせ方としてはこちらを参考にした 深層強化学習：ピクセルから『ポン』 – 前編 | POSTD 3*3の9マスでstart=0（左上）、goal=8（右下）としてst… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fjsapachehtml.hatenablog.com%2Fentry%2F2018%2F06%2F30%2F231309" title="方策勾配法とニューラルネットワークで迷路を学習 - MEMOcho-" 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 2018-06-30 23:13:09 rich https://jsapachehtml.hatenablog.com/entry/2018/06/30/231309 1.0 100%