![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfrastructure.osscons.jp]]」は、「[[Open棟梁Project>https://github.com/OpenTouryoProject/]]」,「[[OSSコンソーシアム .NET開発基盤部会>https://www.osscons.jp/dotNetDevelopmentInfrastructure/]]」によって運営されています。 -戻る（[[人工知能（AI）]] --[[機械学習（machine learning）]] --[[深層学習（deep learning）]] --強化学習（Reinforcement Learning） --[[生成系AI（Generative AI）]] *目次 [#c9745c17] #contents *概要 [#hcf0e200] *詳細 [#ecde0dff] **[[強化学習>#hef24735]] [#pf1151d2] -価値ベース --多腕バンディット問題 --動的計画法 --モンテカルロ法 --TD法系 ---TD法 ---Q学習 ---SARSA -方策ベース --方策勾配法 **深層強化学習 [#s6c0e580] -価値ベース --DQN -方策ベース --Actor-Critic --A3C *参考 [#hef24735] -コンテンツへのリンク - OSSコンソーシアム~ https://www.osscons.jp/joy1y64w3-537 --深層学習についてのレポート（強化学習、深層強化学習）~ https://1drv.ms/p/s!Amfs5caPP9r5kDBBIzKQ-QAF1tWl --機械学習・深層学習についてのNotebook~ https://github.com/OpenTouryoProject/DxCommon/tree/master/Notebook/Jupyter https://github.com/OpenTouryoProject/DxCommon/tree/master/Notebook/path **YouTube [#dac5202f] ***AIcia Solid Project [#x77fa067] 再生リスト 強化学習の探検 - YouTube~ https://www.youtube.com/playlist?list=PLhDAH9aTfnxI1OywfnxXCDTWGtYL2NxJR ***データサイエンス研究所 [#saeb93a9] 再生リスト 強化学習 - YouTube~ https://www.youtube.com/playlist?list=PL7BUpEjz_maQjfwIhAzkwxaLYIecfN7QP **ゼロから作るDeep Learning [#ya905060] -強化学習編~ https://www.oreilly.co.jp/books/9784873119755/ ***サンプル [#v4432aa1] https://github.com/oreilly-japan/deep-learning-from-scratch-4 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/ch01 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/ch02 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/ch03 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/ch04 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/ch05 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/ch06 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/ch07 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/ch08 -https://github.com/oreilly-japan/deep-learning-from-scratch-4/tree/master/notebooks ***その他、参考 [#d6a5884b] -ゼロつく4 - からっぽのしょこ【ゼロつく4のノート】~ https://www.anarchive-beta.com/archive/category/%E6%94%BB%E7%95%A5%E3%83%8E%E3%83%BC%E3%83%88-%E3%82%BC%E3%83%AD%E3%81%A4%E3%81%8F4 --1章 バンディット問題 ---1.2：バンディット問題~ https://www.anarchive-beta.com/entry/2022/05/01/180000 ---1.4.1：スロットマシンの実装~ https://www.anarchive-beta.com/entry/2022/05/02/180000 ---1.4.2：エージェントの実装~ https://www.anarchive-beta.com/entry/2022/05/03/180000 ---1.4.3-4：バンディット問題の学習~ https://www.anarchive-beta.com/entry/2022/05/04/180000 ---1.5.0：非定常問題のスロットマシンの実装~ https://www.anarchive-beta.com/entry/2022/05/05/180000 ---1.5.1：非定常問題のエージェントの実装~ https://www.anarchive-beta.com/entry/2022/05/06/180000 ---1.5.2：非定常バンディット問題の学習~ https://www.anarchive-beta.com/entry/2022/05/07/180000 --2章 マルコフ決定過程 ---2.2：環境とエージェントの定式化~ https://www.anarchive-beta.com/entry/2022/05/18/180000 ---2.3：収益と状態価値関数~ https://www.anarchive-beta.com/entry/2022/05/19/180000 --3章 ベルマン方程式 ---3.1.1：報酬の期待値計算~ https://www.anarchive-beta.com/entry/2022/05/20/180000 ---3.1.2：状態価値関数のベルマン方程式の導出~ https://www.anarchive-beta.com/entry/2022/05/21/180000 ---3.2.1：状態価値関数のベルマン方程式の例~ https://www.anarchive-beta.com/entry/2022/05/22/180000 ---3.3.1：行動価値関数~ https://www.anarchive-beta.com/entry/2022/05/25/180000 ---3.3.2：行動価値関数のベルマン方程式の導出~ https://www.anarchive-beta.com/entry/2022/05/26/180000 ---3.4：ベルマン最適方程式~ https://www.anarchive-beta.com/entry/2022/05/27/180000 ---3.5.1：ベルマン最適方程式の適用~ https://www.anarchive-beta.com/entry/2022/05/28/180000 ---3.5.2：最適方策~ https://www.anarchive-beta.com/entry/2022/05/29/180000 --4章 動的計画法 ---4.1：動的計画法と方策評価~ https://www.anarchive-beta.com/entry/2022/06/03/190000 ---4.2.1：GridWorldクラスの実装：評価と改善に関するメソッド~ https://www.anarchive-beta.com/entry/2022/06/05/190000 ---4.2.1：GridWorldクラスの実装：可視化に関するメソッド~ https://www.anarchive-beta.com/entry/2022/10/24/190000 ---4.2.3：反復方策評価の実装~ https://www.anarchive-beta.com/entry/2022/06/07/190000 ---4.3：方策反復法~ https://www.anarchive-beta.com/entry/2022/06/08/190000 ---4.4：方策反復法の実装~ https://www.anarchive-beta.com/entry/2022/06/09/190000 ---4.5.1：価値反復法の導出~ https://www.anarchive-beta.com/entry/2022/06/10/190000 ---4.5.2：価値反復法の実装~ https://www.anarchive-beta.com/entry/2022/06/11/190000 --5章 モンテカルロ法 ---5.2：モンテカルロ法による方策評価~ https://www.anarchive-beta.com/entry/2022/10/25/190000 ---5.3：モンテカルロ法による方策評価の実装~ https://www.anarchive-beta.com/entry/2022/10/26/190000 ---5.4.1-2：モンテカルロ法による方策制御の実装~ https://www.anarchive-beta.com/entry/2022/10/27/190000 ---5.4.3-5：モンテカルロ法による方策反復法の実装~ https://www.anarchive-beta.com/entry/2022/10/28/190000 ---5.5：重点サンプリング~ https://www.anarchive-beta.com/entry/2022/11/02/190000 ---付録A：方策オフ型のモンテカルロ法~ https://www.anarchive-beta.com/entry/2022/11/03/190000 --6章 TD法 ---6.1：TD法による方策評価~ https://www.anarchive-beta.com/entry/2022/11/08/193000 ---6.2：SARSA~ https://www.anarchive-beta.com/entry/2022/11/09/193000 ---6.3：方策オフ型のSARSA~ https://www.anarchive-beta.com/entry/2022/11/10/193000 ---6.4：Q学習~ https://www.anarchive-beta.com/entry/2022/11/11/193000 ---6.5：サンプルモデル版のQ学習~ https://www.anarchive-beta.com/entry/2022/11/12/193000 --7章 ニューラルネットワークとQ学習 ---7.1.3：勾配降下法~ https://www.anarchive-beta.com/entry/2022/11/13/193000 ---7.2：線形回帰~ https://www.anarchive-beta.com/entry/2022/11/14/193000 ---7.3.1-3：ニューラルネットワーク~ https://www.anarchive-beta.com/entry/2022/11/15/193000 ---7.3.5：オプティマイザ(最適化手法)~ https://www.anarchive-beta.com/entry/2022/11/16/193000 ---7.4：Q学習とニューラルネットワーク~ https://www.anarchive-beta.com/entry/2022/11/17/193000 --8章 DQN ---8.1：OpenAI Gym：Classic Control~ https://www.anarchive-beta.com/entry/2022/11/22/180000 ---8.2：DQNのコア技術~ https://www.anarchive-beta.com/entry/2022/11/26/200000
