入りきらないというか、はみ出るとき、どうするか・・・
引数にxpd=Tをつける。
こんなかんじ
plot(model)
text(model,xpd=T)
引数にxpd=Tをつける。
こんなかんじ
plot(model)
text(model,xpd=T)
という人が参加するのであろう
深層強化学習の研究トレンド（DQN～Rainbowまで）の解説と実装例の解説を行うセミナー
https://ml-for-experts.connpass.com/event/139751/
にいってきたのでメモ（キーワードしか拾えてないけど・・）
DQNからRainbowまで
マルコフ決定過程
マルコフ性：１個前の状況で次が決まる
強化学習：時系列モデル
一般的時系列だとAR（自己相関）
数値だったらグラフで表せるかんじ
言語的モデリングも系列モデルと見れる
強化学習の特殊なところ
Decisionが大きい
そもそも強化学習は何を学習する？
言語モデル
確率分布で表現する
強化学習：逐次意思決定問題（シーケンシャル ディシジョンメーキング）
ある時点での意思決定をどのように行うか？→将来報酬：ベルマン方程式
状態の価値
ｔ
Rt+1 Rt+2 Rｔ＋３
R：報酬 γ：割引率 →ベルマン方程式へ
学習：漸化式の形に→誤差関数とかで効いてくる
Deep Q ネットワーク
S→CNN:SoftMax→A
DQN：論文がいくつかある。２０１５年のを参照している
近似→未知の状態でも値が出せる
経験をどうやって蓄積するか
意思決定をどうやって学習させるか
RL（れいんふぉーすめんとらーにんぐ）
→データ必要：
データの形式をどうするか（St,At，Rt＋１、γｔ＋１、St+1）
何を学習させるのか
どうやって学習させるのか
オンラインネットワークとターゲットネットワークがある
後ろから話が戻ってくる
オンライン（ Q(st,at) ） －R→ ターゲット（）
誤差関数：エクスペリエンスリプレイ
→ランダムサンプリング
i.i.d：independent and identitical distribution
→サンプル相関性
動的計画法を使う、εグリーディ
RMSprop
だぶるQ－ラーニング
でゅえリングネットワークス
マルチステップラーニング
Noisy Net
→７つなので、レインボー
https://lib-arts.hatenablog.com/entry/rl_trend6
あぶレーションスタディablation study
OpenAI Gym ５月２０日ブログ
https://lib-arts.hatenablog.com/entry/rl_trend1
https://lib-arts.hatenablog.com/entry/rl_trend2
Distributed Prioritized Experience Replay
https://arxiv.org/abs/1803.00933
Distributed Prioritized Experience Replayを読んだので解説してみる
https://qiita.com/tea_mf_/items/abd5ca7a8a52cd00a023
リカレント・リプレイ・ディストリビューテッドDQN(R2D2)
Recurrent Replay Distributed DQN
https://www.slideshare.net/juneokumura/rnnr2d2
深層強化学習の研究トレンド（DQN～Rainbowまで）の解説と実装例の解説を行うセミナー
https://ml-for-experts.connpass.com/event/139751/
にいってきたのでメモ（キーワードしか拾えてないけど・・）
DQNからRainbowまで
マルコフ決定過程
マルコフ性：１個前の状況で次が決まる
強化学習：時系列モデル
一般的時系列だとAR（自己相関）
数値だったらグラフで表せるかんじ
言語的モデリングも系列モデルと見れる
強化学習の特殊なところ
Decisionが大きい
そもそも強化学習は何を学習する？
言語モデル
確率分布で表現する
強化学習：逐次意思決定問題（シーケンシャル ディシジョンメーキング）
ある時点での意思決定をどのように行うか？→将来報酬：ベルマン方程式
状態の価値
ｔ
Rt+1 Rt+2 Rｔ＋３
R：報酬 γ：割引率 →ベルマン方程式へ
学習：漸化式の形に→誤差関数とかで効いてくる
Deep Q ネットワーク
S→CNN:SoftMax→A
DQN：論文がいくつかある。２０１５年のを参照している
近似→未知の状態でも値が出せる
経験をどうやって蓄積するか
意思決定をどうやって学習させるか
RL（れいんふぉーすめんとらーにんぐ）
→データ必要：
データの形式をどうするか（St,At，Rt＋１、γｔ＋１、St+1）
何を学習させるのか
どうやって学習させるのか
オンラインネットワークとターゲットネットワークがある
後ろから話が戻ってくる
オンライン（ Q(st,at) ） －R→ ターゲット（）
誤差関数：エクスペリエンスリプレイ
→ランダムサンプリング
i.i.d：independent and identitical distribution
→サンプル相関性
動的計画法を使う、εグリーディ
RMSprop
だぶるQ－ラーニング
でゅえリングネットワークス
マルチステップラーニング
Noisy Net
→７つなので、レインボー
https://lib-arts.hatenablog.com/entry/rl_trend6
あぶレーションスタディablation study
OpenAI Gym ５月２０日ブログ
https://lib-arts.hatenablog.com/entry/rl_trend1
https://lib-arts.hatenablog.com/entry/rl_trend2
Distributed Prioritized Experience Replay
https://arxiv.org/abs/1803.00933
Distributed Prioritized Experience Replayを読んだので解説してみる
https://qiita.com/tea_mf_/items/abd5ca7a8a52cd00a023
リカレント・リプレイ・ディストリビューテッドDQN(R2D2)
Recurrent Replay Distributed DQN
https://www.slideshare.net/juneokumura/rnnr2d2
きのう（７月３１日）戸塚でこの前書いたstyle-3!がなんかやってて
CDを買った。秀吉とか家康とか入ってる。
で、ヴァイオリンつながりで思い出した！
桐朋出身のヴァイオリニストがJKのカッコして弾くYouTube動画って・・・
なんだったっけ？
調べた。Ayasaさんだ！
ヲタリストAyasa(あやさ)の本名や年齢は？彼氏とバイオリンの実力も！
https://youtuberpj.com/271.html
その動画は、これ
【ヲタリストAyasa】バイオリンで"君の名は。"「前前前世」を弾いてみた Zenzenzense－Kimi no Na wa (Your Name)
https://www.youtube.com/watch?v=zfkYvjRdTZ4
CDを買った。秀吉とか家康とか入ってる。
で、ヴァイオリンつながりで思い出した！
桐朋出身のヴァイオリニストがJKのカッコして弾くYouTube動画って・・・
なんだったっけ？
調べた。Ayasaさんだ！
ヲタリストAyasa(あやさ)の本名や年齢は？彼氏とバイオリンの実力も！
https://youtuberpj.com/271.html
その動画は、これ
【ヲタリストAyasa】バイオリンで"君の名は。"「前前前世」を弾いてみた Zenzenzense－Kimi no Na wa (Your Name)
https://www.youtube.com/watch?v=zfkYvjRdTZ4
アクセス
トータル
ランキング
