Generative Adversarial Imitation Learningã®ç´¹ä»‹ï¼ˆRLアーã‚テクãƒãƒ£å‹‰å¼·ä¼šï¼‰æ±äº¬å¤§å¦ æ¾å°¾ç ”究室ãŒä¸»å‚¬ã™ã‚‹æ·±å±¤å¼·åŒ–å¦ç¿’サマースクールã®è¬›ç¾©ã§ä»Šäº•ãŒä½¿ç”¨ã—ãŸè³‡æ–™ã®å…¬é–‹ç‰ˆã§ã™ï¼Ž 強化å¦ç¿’ã®åŸºç¤Žçš„ãªæ¦‚念やç†è«–ã‹ã‚‰æœ€æ–°ã®æ·±å±¤å¼·åŒ–å¦ç¿’アルゴリズムã¾ã§è§£èª¬ã—ã¦ã„ã¾ã™ï¼Žå·»æœ«ã«ã¯å¼·åŒ–å¦ç¿’を勉強ã™ã‚‹ã«ã‚ãŸã£ã¦æœ‰ç”¨ãªä»–資料ã¸ã®æ¡ˆå†…も載ã›ã¾ã—ãŸï¼Ž 主ã«ä»¥ä¸‹ã®ã‚ˆã†ãªå¼·åŒ–å¦ç¿’ã®æ¦‚念やアルゴリズムã®ç´¹ä»‹ã‚’ã—ã¦ã„ã¾ã™ï¼Ž ・マルコフ決定éŽç¨‹ ãƒ»ãƒ™ãƒ«ãƒžãƒ³æ–¹ç¨‹å¼ ãƒ»ãƒ¢ãƒ‡ãƒ«ãƒ•ãƒªãƒ¼å¼·åŒ–å¦ç¿’ ・モデルベース強化å¦ç¿’ ・TDå¦ç¿’ ・Qå¦ç¿’ ・SARSA ・é©æ ¼åº¦ãƒˆãƒ¬ãƒ¼ã‚¹ ・関数近似 ・方ç–勾é…法 ・方ç–勾é…å®šç† ãƒ»DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network） ・経験å†ç”Ÿ ・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Nois
GAN（ã¨å¼·åŒ–å¦ç¿’ã¨ã®é–¢ä¿‚）
{{#tags}}- {{label}}
{{/tags}}