Machine learningDeep learning / NLP / CV
強化学習
強化学習（RL）は、エージェントが環境と相互作用し、スカラー報酬信号を受け取り、累積的な将来の報酬を最大化するようにポリシーを更新することによって、逐次的な意思決定を学習するフレームワークである。教師あり学習とは異なり、ラベル付きの例は提供されず、エージェントは経験と遅延フィードバックを通じて最適行動を完全に発見する。
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.
+2 more
出典
- Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
- Mnih, V., Kavukcuoglu, K., Silver, D., et al. (2015). Human-level control through deep reinforcement learning. Nature, 518, 529–533. DOI: 10.1038/nature14236 ↗
このページの引用方法
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/ja/deep-learning/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 →