※各デバイス名クリックで、詳細（BokLive!サイト）をご覧いただけます。
| 著者名 | 久保隆宏 |
|---|---|
| 出版社 | 講談社 |
| 販売開始 | 2019年12月13日 |
| 参考価格 | ￥3,080（2024年4月25日現在） |
| 内容 | 「Ｐｙｔｈｏｎで強化学習が実装できる！」と好評を得た入門書の改訂版。読者からの要望・指摘を反映させた。主に、Ｐｏｌｉｃｙ ＧｒａｄｉｅｎｔとＡ２Ｃの記述・実装を見直した。・Pythonプログラミングとともに、ゼロからていねいに解説。・コードが公開されているから、すぐ実践できる。・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。【おもな内容】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 経験を価値評価、戦略どちらの更新に利用するか：Valueベース vs Policyベース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 価値評価を、パラメーターを持った関数で実装する：Value Function Approximation 価値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) 価値評価か、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 |
| ジャンル | IT・コンピュータ,全般 |
| 受付店舗 |
690101-001B
お客様は、本電子書籍を閲覧するために、お客様ご自身ので事前にBookLiveのウェブサイトにおいて、「BookLive!サービス利用規約」等に同意の上、BookLive!会員となる必要があります。なお、お客様は本電子書籍購入後は、本確認をしなかったことを理由に、本電子書籍を返品することはできません。
