強化学習/強化学習 のバックアップ(No.2)

• バックアップ一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 強化学習/強化学習 へ行く。
  • 1 (2023-12-20 (水) 09:16:44)
  • 2 (2023-12-20 (水) 09:27:53)
  • 3 (2023-12-21 (木) 11:17:40)

強化学習の勉強を始める人のためのメモ

解説 †

• 池本 隼也, 潮 俊光 (2019). 深層ニューラルネットワークを利用した強化学習の制御への応用. 日本神経回路学会誌 26(4):135–144. https://doi.org/10.3902/jnns.26.135
  • 深層強化学習の解説
• 計測と制御　リレー解説
  1. 木村 元 (2013). 強化学習の基礎. 計測と制御 52(1):72–77. https://doi.org/10.11499/sicejl.52.72
  2. 牧野 貴樹 (2013). 探索と利用のトレードオフとベイズ環境モデル. 計測と制御 52(2):154–161. https://doi.org/10.11499/sicejl.52.154
  3. 植野 剛, 前田 新一, 川鍋 一晃 (2013). 統計学習の観点から見たTD学習. 計測と制御 52(3):277–283. https://doi.org/10.11499/sicejl.52.277
  4. 澁谷 長史 (2013). 部分観測マルコフ決定過程と強化学習. 計測と制御 52(4):374–380. https://doi.org/10.11499/sicejl.52.374

コード †

• Gymnasium
  • 強化学習の環境
  • OpenAI Gymの後継プロジェクト
• Stable-Baselines3
  • Gymnasium用深層強化学習アルゴリズム
  • TensorFlowで書かれていたStable-BaselinesをPyTorchで書き直したもの
• 私がColaboratoryで書いたサンプル・コード
  • DQN で Mountain Car
  • DQN で Lunar Lander
  • PPO で Breakout
  • PPO で Ms. Packman