エンティティ › 人工システム
深層強化学習エージェント
試行錯誤によって報酬信号を最大化するよう訓練されたニューラルネットワーク。環境、多くはゲームのようなシミュレートされた環境とやり取りしながら、方策や価値関数を学習します。
試行錯誤によって報酬信号を最大化するよう訓練されたニューラルネットワーク。環境、多くはゲームのようなシミュレートされた環境とやり取りしながら、方策や価値関数を学習します。狭い課題では人間を超える技能に達しますが、単一の報酬目標に最適化されています。
出典
- Mnih V, Kavukcuoglu K, Silver D, Rusu AA, et al. (2015) Human-level control through deep reinforcement learning. Nature 518(7540):529-533. doi:10.1038/nature14236.
- Silver D et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature 529:484-489. doi:10.1038/nature16961.