morika-takeuchi https://blog.hatena.ne.jp/morika-takeuchi/ Morikatron Engineer Blog https://tech.morikatron.ai/ DQfD 機械学習 強化学習 OSS はじめに Montezuma's Revengeについて 実装 学習の大枠 10ステップ分の状態遷移を保存 リプレイバッファの改造 Atariラッパーの追加 デモの作成 損失関数の導入 実験 結果 まとめ References はじめに こんにちは。モリカトロンでエンジニアをやっている竹内です。 この記事は【DQfD】人間のプレイを参考にして学習する強化学習アルゴリズムを実装してみる【前半】 - Morikatron Engineer Blogの後半となります。前半の記事をまだご覧になっていない方は、そちらの方を先にお読みいただくことをおすすめします。前半では人間のプレイを参考にしつつ強化学習… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftech.morikatron.ai%2Fentry%2F2020%2F04%2F15%2F100000" title="【DQfD】人間のプレイを参考にして学習する強化学習アルゴリズムを実装してみる【後半】 - Morikatron Engineer Blog" 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/m/morika-takeuchi/20200401/20200401145159.png Hatena Blog https://hatena.blog 2020-04-15 10:00:00 rich https://tech.morikatron.ai/entry/2020/04/15/100000 1.0 100%