Machine learningDeep learning / NLP / CV
説明可能な強化学習
説明可能な強化学習（XRL）は、標準的な強化学習エージェントを、その方策、決定、および学習された行動を人間が解釈できるようにする方法で強化するものです。XRLは、方策をブラックボックスとして扱うのではなく、事後説明を生成するか、本質的に透明な方策を構築することで、高リスクな自動意思決定における信頼性の検証、デバッグ、および説明責任を可能にします。
手法の全文を読む
会員限定
ログイン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。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Puiutta, E., & Veith, E. M. S. P. (2020). Explainable Reinforcement Learning: A Survey. In Machine Learning and Knowledge Extraction (CD-MAKE 2020), Lecture Notes in Computer Science, vol. 12279, pp. 77–95. Springer. DOI: 10.1007/978-3-030-57321-8_5 ↗
- Explainable artificial intelligence. Wikipedia. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Reinforcement Learning (XRL). ScholarGate. https://scholargate.app/ja/deep-learning/explainable-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 →