管理人

この記事では、探索と活用のトレードオフ(exploration-exploitation trade-off)と呼ばれる、強化学習において重要な考え方を説明します。 多腕バンディット問題 多腕バンディ ...

本記事では、強化学習において重要な最適化方法の1つである方策反復法の具体的な手法の方策勾配法について解説するとともに、そこで使用する方策勾配定理について導出も示していきます。 はじめに 強化学習で使用 ...

この記事では、ロボットの適応的な歩行を実現するときに必要となる中枢パターン生成器(Central Pattern Generator: CPG)について解説します。 こんな方におすすめ 動物の歩行メカ ...

Hodgkin-Huxleyモデルについて紹介していきます。 こんな方におすすめ 連続時間ニューロンに興味がある スパイキングニューラルネットワークに入門したい などの方々にとって有益なものとなるはず ...

本記事では、連続時間ニューロンの一種であるフィッツヒュー-南雲モデルについて実装コードも含めて紹介していきます。 フィッツヒュー-南雲モデル フィッツヒュー-南雲モデル(FitzHugh-Nagumo ...

この記事では、強化学習の根幹部分を理解することを目標に、マルコフ過程・マルコフ報酬過程・マルコフ決定過程・部分観測マルコフ決定過程、そして関連する理論について分かりやすく解説していきたいと思います。 ...

この記事ではGenerative Adversarial Networks(GANs)について解説していきます。 こんな方におすすめ GANについて詳しく知りたい GANのコードを動かしてみたい では ...

この記事ではOpenAI Gymについて解説していきます。 こんな方におすすめ 強化学習のプログラミングに興味がある OpenAI Gymについて詳しく知りたい などの方々にとって有益なものとなるはず ...

この記事ではOpenAI Gym用のラッパーを自作する方法を紹介していきます。 内容は、OpenAI Gymのインターフェースを活用した強化学習環境の自作方法の記事(以下)で紹介した内容の延長になりま ...

この記事では前半にOpenAI Gym用の強化学習環境を自作する方法を紹介し、後半で実際に環境作成の具体例を紹介していきます。 こんな方におすすめ 強化学習環境の作成方法について知りたい 強化学習環境 ...