Pythonで学ぶ強化学習 入門から実践まで

久保隆宏・著
シリーズ:
機械学習スタートアップシリーズ

画像はありません

発行
2018/01/15
サイズ
A5
ページ数
303
ISBN
978-4-06-514298-1
本体
2800円(税別)
在庫
在庫あり

書籍を購入する

本体
2800円(税別)

内容紹介

強化学習が実装できる! エンジニアのために、Pythonのサンプルコードとともに、ゼロからていねいに解説。実用でのネックとなる強化学習の弱点とその克服方法、さらに活用領域まで紹介した。コードも公開!

目次

目次

Day1 強化学習の位置づけを知る
 強化学習とさまざまなキーワードの関係
 強化学習のメリット・デメリット
 強化学習における問題設定: Markov Decision Process

Day2 強化学習の解法(1): 環境から計画を立てる
 価値の定義と算出: Bellman Equation
 動的計画法による状態評価の学習: Value Iteration
 動的計画法による戦略の学習: Policy Iteration
 モデルベースとモデルフリーとの違い

Day3 強化学習の解法(2): 経験から計画を立てる
 経験の蓄積と活用のバランス: Epsilon-Greedy法
 計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference
 経験を状態評価、戦略どちらの更新に利用するか

Day4 強化学習に対するニューラルネットワークの適用
 強化学習にニューラルネットワークを適用する
 状態評価を、パラメーターを持った関数で実装する: Value Function Approximation
 状態評価に深層学習を適用する: Deep Q-Network
 戦略を、パラメーターを持った関数で実装する: Policy Gradient
 戦略に深層学習を適用する: Advantage Actor Critic(A2C)
 状態評価か、戦略か

Day5 強化学習の弱点
 サンプル効率が悪い
 局所最適な行動に陥る、過学習をすることが多い
 再現性が低い
 弱点を前提とした対応策

Day6 強化学習の弱点を克服するための手法
 サンプル効率の悪さへの対応: モデルベースとの併用/表現学習
 再現性の低さへの対応: 進化戦略
 局所最適な行動/過学習への対応: 模倣学習/逆強化学習

Day7 強化学習の活用領域
 行動の最適化
 学習の最適化