Hatena Blog Tags
はてなブログ トップ
reinforcement learning
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

reinforcement learning

(サイエンス)
【りいんふぉーすめんとらーにんぐ】
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。
情報系院生のノート•3 か月前

Decision Transformer: Reinforcement Learning via Sequence Modeling

メタ情報 著者 発表 リンク スライド Zennメモ 説明 感想 メタ情報 著者 Lili Chen (UC Berkeley) Kevin Lu (UC Berkeley) Aravind Rajeswaran (Facebook AI Research) Kimin Lee (UC Berkeley) Aditya Grover (Facebook AI Research) Michael Laskin (UC Berkeley) Pieter Abbeel (UC Berkeley) Aravind Srinivas (UC Berkeley) Igor Mordatch (Google…

#Transformer#GPT#reinforcement learning

ネットで話題

もっと見る
316ブックマーク深層強化学習の動向 / survey of deep reinforcement learningspeakerdeck.com
107ブックマーク強化学習とは？(What is Reinforcement Learning?)sysplan.nams.kyushu-u.ac.jp
107ブックマークGym: A toolkit for developing and comparing reinforcement learning algorithmsgym.openai.com
64ブックマーク論文：Beating the World’s Best at Super Smash Bros. Melee with Deep Reinforcement Learning - うどん記ir5.hatenablog.com
54ブックマーク[1712.01815] Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning AlgorithmThe game of chess is the most widely-studied domain in the history of artificial intelligence. The strongest programs are based on a combination of sophisticated search techniques, domain-specific adaptations, and handcrafted evaluation functions that have been refined by human experts over sever...arxiv.org
54ブックマークBullet Real-Time Physics Simulation | Home of Bullet and PyBullet: physics simulation for games, visual effects, robotics and reinforcement learning.We are developing a new differentiable simulator for robotics learning, called Tiny Differentiable Simulator, or TDS. The simulator allows for hybrid simulation with neural networks. It allows different automatic differentiation backends, for forward and reverse mode gradients. TDS can be trained...bulletphysics.org
46ブックマークDeep Reinforcement Learning: Pong from Pixelskarpathy.github.io
41ブックマークKerasで最短で強化学習（reinforcement learning）する with OpenAI Gym - Qiitaqiita.com
37ブックマークLearning Reinforcement Learning (with Code, Exercises and Solutions) – WildMLwww.wildml.com

関連ブログ

夏の幻の日記•7 か月前

【強化学習】REINFORCEのパラメータ更新の直感的理解

policy gradient theoremとREINFORCE REINFORCEのパラメータ更新の意味 自分が学習したときの疑問 REINFORCEのトリック policy gradient theoremとREINFORCE 強化学習の手法であるpolicy gradient methodはpolicy gradient theoremを利用してそのアルゴリズムを構成しています。policy gradient theoremとは以下のような式です。 ここでは最大化したい目的関数（で定義されることが多い）、は状態sを訪れる確率です。この定理から以下のREINFORCEのアルゴリズムが導か…

#強化学習#reinforcement learning#REINFORCE#方策勾配
夏の幻の日記•7 か月前

【強化学習】Cart PoleへのREINFORCEの素朴な実装

Open AI GymのCart Poleに対して強化学習アルゴリズムであるREINFORCEを適用します。今回は強化学習の有名教科書のSutton and Barto著"Reinforcement Learning: An Introduction"(2018)の記述を念頭においた実装を心がけているので学習者の参考になれば幸いです。REINFORCEはPolicy gradient methodの基本的な手法です。アルゴリズムとしては以下のようになります。 出典: Sutton and Barto(2018) p.328Policy gradientではpolicyをパラメータの関数で表現し…

#強化学習#reinforcement learning#Cart Pole#REINFORCE
Seitaro Shinagawaの雑記帳•11 時間前

最近の言語生成の強化学習

こんにちは、品川です。本記事は強化学習 Advent Calendar 2021 6日目の記事です。 短いですが、最近の言語生成周りの強化学習関連の話題を取り上げたいと思います。 言語生成周りの強化学習のおさらい（2020年時点での私の理解） 最近の言語生成の強化学習①：REINFORCEもPPOへ徐々に移行中 最近の言語生成の強化学習②：価値ベース？できるよ。そう、事前学習済み言語モデルならね 言語生成周りの強化学習のおさらい（2020年時点での私の理解） 言語生成モデルの訓練にはTeacher forcingを用いる 言語生成で最もよく使われている強化学習手法は、方策勾配法の最も簡単な手法…

情報系院生のノート•25 日前

Suphx: Mastering Mahjong with Deep Reinforcement Learning

メタ情報 著者 発表 リンク スライド Zennメモ 説明 感想 メタ情報 著者 Junjie Li (Microsoft Research Asia) Sotetsu Koyamada (Kyoto University) Qiwei Ye (Microsoft Research Asia) Guoqing Liu (University of Science and Technology of China) Chao Wang (Tsinghua University) Ruihan Yang (Nankai University) Li Zhao (Microsoft Research …