「Q学習」の版間の差分
ナビゲーションに移動
検索に移動
(→概要) |
|||
| (同じ利用者による、間の1版が非表示) | |||
| 5行目: | 5行目: | ||
Q学習で[[ググる]]と小難しい説明が多いようだが、大雑把にいえば、 | Q学習で[[ググる]]と小難しい説明が多いようだが、大雑把にいえば、 | ||
| − | + | 関数qは、ある状況sにおいて、行動aを選択した場合の結果を得点（報酬）として返す。 | |
このQ(s,a)関数の行動aを変えまくって最高得点が出るパターンを力技で見つけるというものである。 | このQ(s,a)関数の行動aを変えまくって最高得点が出るパターンを力技で見つけるというものである。 | ||
| + | 「力こそパワー」である。 | ||
Q(s, a) | Q(s, a) | ||
| 24行目: | 25行目: | ||
[[category: 機械学習]] | [[category: 機械学習]] | ||
| + | [[category: 人工知能]] | ||
2017年3月29日 (水) 02:34時点における最新版
Q学習（英語：q-learning）とは、機械学習の手法のひとつである。
概要[編集 | ソースを編集]
Q学習は古典的な機械学習手法である。
Q学習でググると小難しい説明が多いようだが、大雑把にいえば、 関数qは、ある状況sにおいて、行動aを選択した場合の結果を得点（報酬）として返す。 このQ(s,a)関数の行動aを変えまくって最高得点が出るパターンを力技で見つけるというものである。 「力こそパワー」である。
Q(s, a)
行動aの試行回数を多くすれば性能は次第に向上する。 勉強に近道はないということだな。
2015年2月26日にグーグルでAlphaGoを作った人たちが、 古典的なQ学習を、流行りのディープラーニングに喰わせた「DQN (Deep Q Network)」という画期的な人工知能を発表し、とくに日本で話題となった[1][2]。
関連項目[編集 | ソースを編集]
参考文献[編集 | ソースを編集]
|
この項目「Q学習」は、まだ書きかけの項目です。加筆、訂正などをして下さる協力者を求めています。 |
| このテンプレートは分野別のスタブテンプレート（Monobook:スタブカテゴリ参照）に変更することが望まれています。 | |
