ラベル Q-Learning の投稿を表示しています。 すべての投稿を表示
ラベル Q-Learning の投稿を表示しています。 すべての投稿を表示
2021年11月5日金曜日

スマホでニューラルネットワーク（ml5JS/TensorflowJS利用）その２

›
【what is this】 引き続き、「スマホでニューラルネットワーク」にこだわります。 以前の記事 [1] では、Q-Learning（強化学習）をニューラルネットワークで行うための基本手法を検討し、実装しました。今回は、さらにそれを深めた手法である「 Experience ...
2021年9月25日土曜日

Running Q-Learning on your palm (Part3)

›
Japanese summary 　本シリーズの Part1 と Part2 では、スマホ向けのQ-Learningアプリを開発し、それを簡単な例（直線の廊下でロボットが宝石を得る）に適用しました。今回は、このアプリを改訂し、２次元グリッドでロボットが行動できるようにしました。そ...
2021年9月12日日曜日

Running Q-Learning on your palm (Part2)

›
  Japanese summary 　 前回の記事 では、スマホ向けのQ-Learningアプリを開発し、それを簡単な例（ロボットが宝石を得る）に適用しました。今回は、ロボットの行動にいくつかのバリエーションを与えてみました。その場合でも、新しい行動の記述を追加する以外は、この...
2021年8月26日木曜日

Running Q-Learning on your palm (Part1)

›
Japanese summary 　このアプリは、人工知能技術の一分野である「強化学習（特にQ-Learning）」の基本的な考え方と仕組みを、簡単な例を動かしながら学ぶものです。強化学習は、AlphaGo（囲碁）や自動運転、自律制御ロボットなどで使われ、注目を集めています。ここ...
2021年8月17日火曜日

スマホアプリで「強化学習」を学ぶ魅力！

›
【what is this】 最近の日経ソフトウェア誌に、「Pythonで強化学習を学ぶ」の解説記事がありました。丁寧に書かれていて分かりやすく、提供されているPythonプログラムも完全に動かすことができました。しかし、ここで留まらずに、理解をさらに深めるため、別のプラットフォ...
2021年6月4日金曜日

強化学習：モンテカルロ法とQ-Learning

›
【what is this】 強化学習に関するさらなる続編です。 前回のレンタカーショップ問題 とは異なり、環境モデルが分からない場合の例としての迷路問題をとりあげます。そして、その解法としての、モンテカルロ法とQ-Learningの性能を観察します。 ■ 迷路問題とレンタカーシ...