Hatena Blog Tags
はてなブログ トップ
マルコフ決定過程
このタグでブログを書く
言葉の解説
ネットで話題
関連ブログ

マルコフ決定過程

(サイエンス)
【まるこふけっていかてい】

Markov Decision Process; MDP
マルコフ過程を基に、各状態で報酬が与えられるようにしたモデル。強化学習の分野で用いられる。

このタグの解説についてこの解説文は、すでに終了したサービス「はてなキーワード」内で有志のユーザーが作成・編集した内容に基づいています。その正確性や網羅性をはてなが保証するものではありません。問題のある記述を発見した場合には、お問い合わせフォームよりご連絡ください。
「好き」をブチ抜く•2日前

人工知能・認知科学を学びたい【おすすめ本・入門書紹介】読書記録

記事の内容 この記事では、人工知能や認知科学に関するおすすめ本を紹介します。 読み物的な入門書から理論系の本まで、できるだけ幅広く紹介したいです。 色々なテーマの本を読んでいますが、人工知能は理論的にも、実社会的にも、とても面白い話題ですよね。今後も目が離せません。 それでは、目次をどうぞ。 記事の内容 人工知能と認知科学について 認知科学 心と脳 認知科学入門 安西祐一郎 教養としての認知科学 鈴木宏昭 類似と思考 鈴木宏昭 人間の解剖はサルの解剖のための鍵である 認知科学への招待 大津由紀夫 コミュニケーションの認知科学1 言語と身体性 認知科学への招待 苫米地英人 知能の物語 中島秀之 …

関連ブログ

yk2024の日記•9日前

書籍「ゼロから作るDeep Learning ❹ 強化学習編」を読んで強化学習について理解した内容を書いています。1章 バンディット問題 強化学習が他の学習と大きく異なる特徴は、エージェント(ロボットなど)が環境との相互作用の中で学習すること。 2章 マルコフ決定過程 3章 ベルマン方程式 4章 動的計画法 5章 モンテカルロ法 6章 TD法 7章 ニューラルネットワークとQ学習 8章 DQN 9章 方策勾配法 10章 さらに先へ ※強化学習について自分なりの解釈 強化学習は、人間が試行錯誤で色々な行動を試しながら、結果が良かった(成功した)行動は継続して、結果が悪かった(失敗した)行動は繰り…

肉離れ•1ヶ月前

トーマス・パー, ジョバンニ・ペッツーロ, カール・フリストン著, 乾敏郎訳『能動的推論 ー心、脳、行動の自由エネルギー原理』（2022）

能動的推論:心、脳、行動の自由エネルギー原理 作者:トーマス・パー,ジョバンニ・ペッツーロ,カール・フリストン ミネルヴァ書房 Amazon ヒトにおける知覚、認知、運動、思考、意識…それぞれの仕組みの解明に向けた研究が進む中、それらをたった１つの原理で説明する画期的な理論が世界的に大きな注目を集めている。――著者の一人、神経科学者フリストンが提起した「自由エネルギー原理」である。本書ではこの原理の意義を強調しながら、我々が生きる世界についての不確実性を解消する「能動的推論」を解く。認知的現象を統一的に説明した、今までにない新たなモデルを提供する書。 序 文凡 例 第Ⅰ部 １ 序 章 1.1 …

izmyonの日記•5ヶ月前

今日の論文2023/12/11：Mamba: Linear-Time Sequence Modeling with Selective State Spaces

arxiv.org Gu, Albert, and Tri Dao. "Mamba: Linear-Time Sequence Modeling with Selective State Spaces." arXiv preprint arXiv:2312.00752 (2023). ©2023 The Authors License: Creative Commons Attribution 4.0 International License(CC-BY) github.com huggingface.co 本記事は、原著の内容に基づき筆者が要約または翻訳したものです。以下の図は、そこから引…

toddler’s diary•5ヶ月前

M.L.Puterman "Markov Decision Processes: discrete stochastic dynamic programming" Wiley 1994

強化学習という言葉は修士の頃から少しずつ耳にする言葉でしたが，最初は部分情報だけ与えられる半教師あり学習の親戚のようなものだと思っていました．その後 Sutton なんかの本を読んでやっとなんかすごい枠組みだと思うようになって，その基礎であるマルコフ決定過程の本を買ってみたというのがこの本です．洋書にしてはありがちな分厚い本ですが，強化学習という言葉は全く出てこなくて，ORとか確率論とかのバックグラウンドでの教科書で，ちょっと読みづらくてずっと本棚の肥やしになっていました． 2010年くらいに，東大病院の循環器内科にいた永井先生という大先生と産総研幹部との割とトップダウンなプロジェクトに入って…

ひとりでのアプリ開発 - fineの備忘録 -•5ヶ月前

G検定・E資格について

初めに G検定、E資格は、日本ディープラーニング協会が実施するディープラーニングに関する検定、資格になります。本記事では、この二つの検定、資格についてまとめます。

ABEJA Tech Blog•9ヶ月前

ChatGPT の仕組みを理解する（後編）

こちらは「ChatGPT の仕組みを理解する」の後編記事になります。 前編は以下の記事をご参照ください。 tech-blog.abeja.asia 前半記事では、自然言語の基礎的な部分から GPT-3.5 まで説明していきました。GPT-3.5 の次としては、ChatGPT の元になっている InstructGPT を説明したいところなんですが、InstructGPT では強化学習の手法を使用しているので、後半記事では一旦自然言語から離れて強化学習の基礎から PPO までを説明し、最後にメインコンテンツである InstructGPT → ChatGPT を説明します。 強化学習の基礎事項 強化…

niwatakoのはてなブログ•10ヶ月前

2023/05 のarXiv ブロックチェーン関連新着論文概要 DeepL翻訳

arXivで「Blockchain」で検索した新着論文の概要をDeepLで翻訳しています。 帯域外談合でブロックチェーンの合理性を壊す Published at 2023/05/01 04:10:08 (JST) Breaking Blockchain Rationality with Out-of-Band Collusion ブロックチェーンシステムは、その安全性のために合理性の仮定に頼ることが多く、ノードが利益を最大化するように動機づけられることを期待しています。このため、これらのシステムは、ノードが正直なプロトコルを実行するようインセンティブを与えるようにプロトコルを設計しますが、帯域…

end0tknr's kipple - web写経開発•10ヶ月前

強化学習におけるマルコフ決定過程やQ学習を再整理

マルコフ決定過程、Q学習、TD誤差、ε-greedy等の用語が多く、自分なりに整理 参考url 強化学習やQ学習とは? 機械学習における位置づけ 強化学習とは Q学習とは Q値更新式と、マルコフ決定過程、TD学習 マルコフ決定過程(Markov Decision Process MDP)とは? Q学習の学習手順 参考url 【入門】Q学習の解説とpythonでの実装 〜シンプルな迷路問題を例に〜 Pythonではじめる強化学習 - Qiita 強化学習2 (マルコフ決定過程) | PythonとRPAで遊ぶ 【1-3: 強化学習の概要】みんなの強化学習講座 - YouTube 強化学習やQ学習…

Axolotl_upa’s diary•10ヶ月前

前後だけ見れば良いマルコフ連鎖とは？

うぱうぱ～！今回はマルコフ連鎖について述べます。先にマルコフ連鎖がどのような場面で使うかを知ってからマルコフ連鎖について知っていきましょう。 マルコフ連鎖の使う場面 マルコフ連鎖は以下のような場面で有用なモデルとして使用されます。 確率的な系列データのモデリング マルコフ連鎖は、時間的な依存関係を持つ系列データのモデリングに適しています。例えば、自然言語処理では文章や文の生成、単語の予測などに利用されます。また、天候の変化や株価の変動、トラフィックパターンなどの時間的なパターンを予測するためにも使用されます。 マルコフ決定過程 マルコフ連鎖の一種であるマルコフ決定過程（Markov Decis…

toddler’s diary•1年前

Richard S. Sutton, Andrew G. Barto "Reinforcement Learning, An Introduction", MIT Press 1998

強化学習はディープラーニングの力を得てすごく成長した技術です． 現在はこの有名な本も改訂版が出て，和訳も出ているようですが，私の手元にあるのは初版（といっても 2000 年の third printing）です． 強化学習は時系列的な要素を持つ機械学習において最終兵器のような枠組みです．逆に言えば枠組みが強力すぎて，そこから詳細に踏み込んでいくところがかすんでしまうという側面を持っています． それはベイズという枠組みにも近いものがあって，ほとんどどのような機械学習の問題も強化学習やベイズの枠組みで記述することが可能です． ただし，枠組みで書くだけでは，実はそれはスタート地点に立ったにすぎず，そ…