技術系メモ

雑多なメモです。ほんと自分用のwikiです。

強化学習

【強化学習メモ】model-based RL と model-free RL

正直、この2つを明確に分ける必要もないかもしれないが、 一応メモ、 model-based RL 強化学習をしながら、環境のmodelを同時に推定し、そのmodelも使いながら学習をする手法 例) dyna-q model-free RL 環境のmodelの推定は行わずに強化学習を行う手法 例) …

【強化学習】エピソード型学習問題と非エピソード型学習問題

強化学習のエピソード型学習と非エピソード学習を区別するためのメモ エピソード型学習問題 ゲームの終了時にのみ報酬を受け取ることができるような問題 例)迷路のような問題。ゴールにたどり着いた時にのみ報酬を受け取ることができる 非エピソード型学習…