reinforcement learning
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。関連ブログ
雑記： NeurIPS 2020 pre-proceedings の「シーケンス」を含むタイトル（※）
キャラクターは架空のものです。何かありましたらご指摘いただけますと幸いです。参考文献 NeurIPS 2020 pre-proceedings 関連記事 雑記： NeurIPS 2020 pre-proceedings の「時系列」を含むタイトル - クッキーの日記 雑記： NeurIPS 2019 Proceedings の「時系列」を含むタイトル - クッキーの日記 NeurIPS 2020 pre-proceedings をみるとタイトルに sequence/sequential を含む論文が…23件もありますね。多いので、特に「学習対象が系列データである」といえるものに絞りましょう（※…
ネットで話題
もっと見る
speakerdeck.com
sysplan.nams.kyushu-u.ac.jp
ir5.hatenablog.com
arxiv.org
bulletphysics.org
karpathy.github.io
qiita.com
www.wildml.com
github.com関連ブログ
バンディットアルゴリズムを用いた推薦システムの構成について
はじめに ZOZO研究所ディレクターの松谷です。 ZOZO研究所では、イェール大学の成田悠輔氏、東京工業大学の齋藤優太氏らとの共同プロジェクトとして機械学習に基づいて作られた意思決定の性能をオフライン評価するためのOff-Policy Evaluation（OPE）に関する共同研究とバンディットアルゴリズムの社会実装に取り組んでいます（共同研究に関するプレスリリース）。また取り組みの一環としてOPEの研究に適した大規模データセット（Open Bandit Dataset）とOSS（Open Bandit Pipeline）を公開しています。これらのオープンリソースの詳細は、こちらのブログ記事に…
AIネット対戦システムの紹介
こんにちは、モリカトロン株式会社チーフエンジニアの松原です。 今日は弊社が開発した「AIネット対戦システム」を紹介いたします。 「AIネット対戦システム」はインターネット上でいつでも誰でもゲームの対戦ができるシステムです。AIと人間とが分け隔てなくゲームを楽しめるシステムであると同時に、強化学習のゲームAIプレイヤー育成基盤にもなり得ます。 ゲームAIやボードゲームAIに興味のある方、ゲームAI開発者、AI育成のためのサーバークライアントシステムに興味のある方々は、ぜひご一読ください。 目次 はじめに AIネット対戦システムとは AIネット対戦システムのサーバー AIネット対戦システムのクライ…
Kggle散歩（November 2020）
Kggle散歩（November 2020） 11月は、25日にLyftが、30日にMoAが終了する。 Lyftは、計算資源の確保が課題であり、MoAは、Public LBとCVを天秤にかけながら、性能を上げる方法を探ることが課題である。 11月1日（日） Generative Deep Learning by David Foster : CHAPTER 1 : Generative Modeling discriminativeとgenerative：discriminativeは、training datasetに含まれる特徴を把握して、test dataが何であるかを予測する。gene…
【論文】Human Feedback as Action Assignment in Interactive Reinforcement Learning
こんにちは、ご無沙汰です。今回は読んだ論文の内容のまとめをここに記録しようと思います。自分は強化学習に対して人の知識を転移するというような研究をしていて、Human-friendlyな転移方法は何か？ということに興味を持っています。自分用のメモのように記述しているので、なんのこっちゃ分からないかも知れませんが、ご容赦ください。スキムした程度で、全体像をぼんやり掴んだという状態で書いてます。 論文情報 ジャーナル論文です。2020年、ACM Transactions on Autonomous and Adaptive Systemsで掲載されています。University of Technol…
コスパ重視、約8万円でゲーミングPCを自作してみた。トレードAIも作るぞ！
久しぶりにPCパーツを買いそろえて自作PCを組みました。 コスパ重視で費用は約8万円（OS別）とお手頃ながら、CPUは6コア12スレッド、グラボはRTX 2060なので性能は結構良さげです。 グラボ搭載マシンにしたのはゲームがしたいから、ではなく、趣味と実益を兼ねてAI開発をしているからです。AIの学習はCPUよりGPUの方が圧倒的に早いんです。 これまではMacBookやGoogle ColabでAIを学習させていたのですが、そろそろグラボ搭載マシンを作ってしまおうと考えたわけです。 とはいえやっぱりゲーミングPCとしても使いたいです。ダークソウル3とかしたいし。
【強化学習】ハムスターでもわかるProximal Policy Optimization （PPO）①基本編
シンプルなようで厄介な強化学習アルゴリズム PPO (Proximal Policy Optimization) を実装レベルの細かいテクニックまで含めて解説します。 [PPOシリーズ] 【強化学習】ハムスターでもわかるProximal Policy Optimization （PPO）①基本編 - どこから見てもメンダコ 【強化学習】ハムスターでもわかるProximal Policy Optimization （PPO）②TF2による実装 - どこから見てもメンダコ はじめに TRPOのコンセプト PPO：シンプル化されたTRPO ① Clipped Surrogate Objective …
プレゼンのスキルをもっと磨きたい
今日は在宅勤務。先週から今週にかけて、出勤するときは International Symposium on Artificial Intelligence and Brain Science という国際会議の講演動画および Slack のやりとりを見ているのだが、内容もさることながら、日本開催の国際学会として非常にうまく運営されていて、大変参考になる。 基調講演は今年の ACL の基調講演でもトークをされていた MIT の Josh Tenenbaum さんだったが、やはり話がうまい。自分もこれくらい話せるようになりたいものであるが、意識的に練習しないと難しそう。David Silver さん…
Sim2Real転移のためのDomain Randomization(翻訳)
この記事は，Lilian Weng氏によるDomain Randomization for Sim2Real Transferの記事を日本語訳したものです． 元記事 : Domain Randomization for Sim2Real Transfer: 2019年5月5日 by Lilian Weng 訳 : たける シミュレーター上で学習したモデルやポリシーを実ロボット上で動作させる場合，確実にsim2realのギャップに直面してしまいます．Domain Randomizationは，学習する環境をランダム化することで，このギャップを埋めるというシンプルながらも協力なアイデアです． ロボ…
【GAIL】逆強化学習とGANを組み合わせた模倣学習アルゴリズムを実装してみる【CartPole】
こんにちは、エンジニアの竹内です。以前の記事でDQNに模倣学習の仕組みを取り入れたDeep Q-Learning from Demonstrationsというアルゴリズムを紹介しましたが、模倣学習には他にもいろいろなアプローチが存在します。 特にエキスパートの行動軌跡から環境の報酬関数を推定する逆強化学習(Inverse Reinforcement Learning)という手法を利用したものは模倣学習アルゴリズムの中でも代表的な手法の1つであり、環境からの報酬が得られない場合でも模倣学習を行う事ができます。 そこで今回は逆強化学習を用いた模倣学習アルゴリズムの中でも特に有用な手法である、敵対的…
グラフィカルモデルに基づく因果探索手法の調査
最近，因果推論や因果探索に興味を持ち，勉強している．というのも最近，ゆううきさん と一緒に分散システムの異常の原因を即時に診断するための研究を進めている．原因を診断するためのアプローチとして，サーバやコンテナ等から取得できる様々なメトリック（CPU使用率やメモリ使用率など）を（グラフ理論における）ノードとして，因果グラフを構築することを考えている．メトリック同士の単なる「相関」ではなく，結果と原因の関係である「因果」を捉えようとするアプローチである．例えば，システムの障害が発生した場合，相関だけでは，AとBが関連がありそうというところまでしか言えないが，因果を特定できると理想的には，Aの原因は…
