ScholarGate
アシスタント
Machine learning

深層強化学習

深層強化学習は、ニューラルネットワークと強化学習を組み合わせたもので、エージェントが環境と相互作用することで学習します。これは、Mnihらによる2015年のNature誌における人間レベルのAtariゲーム制御に関する研究によって普及しました。固定されたラベル付きデータセットから学習する代わりに、エージェントは行動を取り、報酬を観測し、長期的な収益を最大化する方策を徐々に形成します。

MethodMindで開く近日公開動画近日公開Download slides

手法の全文を読む

会員限定

無料アカウントでログインすると、このセクションを読めます。

ログイン

Method map

The neighbourhood of related methods — select a node to explore.

深層強化学習
ニューラルアーキテクチャ探索ランダムフォレストリカレントニューラルネットワーク (RNN)XGBoostDifferential Evolutionドメイン適応型強化学習動的計画法方策勾配法Q学習スコアベース生成モデル

出典

  1. Mnih, V. et al. (2015). Human-Level Control through Deep Reinforcement Learning. Nature, 518, 529–533. DOI: 10.1038/nature14236 ↗
  2. Schulman, J. et al. (2017). Proximal Policy Optimization Algorithms. arXiv:1707.06347. link ↗

このページの引用方法

ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/ja/deep-learning/deep-reinforcement-learning

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

この手法を参照する項目

Differential Evolutionドメイン適応型強化学習動的計画法方策勾配法Q学習スコアベース生成モデル

このページに誤りを見つけましたか?報告・修正提案 →

ScholarGate — Deep Reinforcement Learning (Deep Reinforcement Learning (DQN / PPO / A3C)). 2026-06-15に以下より取得 https://scholargate.app/ja/deep-learning/deep-reinforcement-learning · データセット: https://doi.org/10.5281/zenodo.20539026