イントロダクション#
ドキュメント#
テーブル#
以下のテーブルは基本的に見ることができません。AIGC であり、ウェブページが乱れています。
| カテゴリー | 名前 | 著者 | 説明 | リンク |
|---|---|---|---|---|
| アルゴリズム | SARSA | Richard S. Sutton & Andrew G. Barto | 方策を更新するために一時差分法（TD）を使用する Q 学習アルゴリズム。 | 1 |
| アルゴリズム | Q 学習 | Christopher J. C. H. Watkins & Peter Dayan | 特定の状態で特定のアクションを取ることに対する予想されるリターンを学習するモデルフリーの強化学習アルゴリズム。 | 2 |
| アルゴリズム | Deep Q-Networks (DQN) | Volodymyr Mnih & Geoffrey Hinton | Atari ゲームを高レベルの制御でプレイするために Q 学習を適用するニューラルネットワークベースのアルゴリズム。 | 3 |
| アルゴリズム | Deep Deterministic Policy Gradients (DDPG) | John Schulman & Philip Mirowski | クリティックとポリシーネットワークを使用した連続制御のためのオフポリシーアルゴリズム。 | 7 |
| アルゴリズム | Proximal Policy Optimization (PPO) | John Schulman & Philip Mirowski | トラストリージョン最適化を使用してポリシーを更新するモデルフリーアルゴリズム。 | 8 |
| アルゴリズム | Advantage Actor-Critic (A2C) | John Schulman & Philip Mirowski | ポリシーグラディエント法と価値ベースの手法の利点を組み合わせたアルゴリズム。 | 9 |
| フレームワーク | Gym | University of Alberta & Uber | 強化学習のための Python ライブラリで、フィールドのさまざまな側面の実装のための共通インターフェースを提供します。 | 4 |
| フレームワーク | Ray | Raphaël Sellem & Eric Jang | 強化学習モデルの開発とトレーニングのための高レベルフレームワーク。 | 5 |
| 書籍 | 強化学習 | Richard S. Sutton & Andrew G. Barto | 強化学習の基礎と応用をカバーした包括的な書籍。 | 6 |
| 書籍 | 深層学習 | Ian Goodfellow, Yoshua Bengio & Aaron Courville | 強化学習に関する章を含む深層学習についての包括的な書籍。 | 10 |
| ジャーナル | Journal of Machine Learning Research | Various Authors | 機械学習研究の主要なジャーナルで、強化学習のトピックも含まれています。 | 11 |