強化学習(第2版)
R. Sutton, A. Barto, 奥村エルネスト純, 鈴木雅大, 松尾豊, 三上貞芳, 山川宏, 今井翔太, 川尻亮真, 菊池悠太, 鮫島和行, 陣内佑, 髙橋将文, 谷口尚平, 藤田康博, 前田新一, 松嶋達也森北出版496ページISBN 9784627826625
機械学習タグで同率13位(87冊中)。Zenn・Qiitaなどの2記事で紹介(時点)。
- 紹介記事
- 2件
- 媒体別
- Zenn 1・Qiita 1
- 初めての紹介
- 最新の紹介
この本を選ぶ前に
- 出版年
- ・第2版(約4年前)
- タグ内の順位
- 機械学習タグで同率13位(87冊中・紹介記事数の順)
- 代わりの本
機械学習タグで、この本より新しく紹介記事の多い本
紹介している記事(2件)
記事ごとの説明は、記事本文のうちこの本に触れた部分をAIが要約したもので、筆者の原文ではありません。
- AI系の研究のために読んだ本メモ Zenn · T_Tsei · · いいね 9
強化学習の礎を築いたSuttonとBartoによる本として紹介し、多腕バンディットから方策勾配法まで、強化学習の基礎を幅広く扱っていると述べている。一方で、Deep Q-LearningやPPOなどの深層強化学習には対応していないと指摘する。分量はそこそこ厚いものの、意外と読み進められたと評価している。
- エンジニアのインターンが技術書を30冊くらい読んでみたので、ゆるくまとめてみた Qiita · Shiruba · · いいね 463
紹介された版: 初版(2000年)
強化学習の原典的な本として紹介されていたため英語版を読んだが、途中で挫折したと述べている。内容自体への評価は肯定的だが、読んだのは英語版なので日本語版については分からないとしている。機械学習に入門する目的なら、続けて紹介する『Pythonで学ぶ強化学習』の方が読みやすいと評価している。
この本について
強化学習の基礎アルゴリズムを、表形式の問題から関数近似を使う方法へ段階的に学ぶ書籍である。第I部では多腕バンディットと有限マルコフ決定過程を土台に、動的計画法、モンテカルロ法、TD学習、nステップ法、プランニングと学習を扱う。第II部では予測・制御に関数近似を導入し、方策オン型と方策オフ型の手法、適格度トレース、方策勾配法へ進む。第III部では強化学習と心理学・神経科学との関係、AlphaGoなどの事例、今後の展望を扱う。Deep Q-LearningやPPOなどの深層強化学習手法には対応していない。
楽天ブックスの商品説明、版元ドットコムの目次と紹介記事をもとにAIが要約したものです。原文の転載ではありません。
目次(主な章)
出典: 出版社の書籍ページ (章の見出しのみ)
- 第1章 序
- 第I部 テーブル形式の解法
- 第2章 多腕バンディット問題
- 第3章 有限マルコフ決定過程
- 第4章 動的計画法
- 第5章 モンテカルロ法
- 第6章 TD学習
- 第7章 nステップ・ブートストラップ法
- 第8章 テーブル形式手法におけるプランニングと学習
- 第II部 近似による解法
- 第9章 近似を用いた方策オン型予測
- 第10章 関数近似を用いた方策オン型制御
- 第11章 近似を用いた方策オフ型手法
- 第12章 適格度トレース
- 第13章 方策勾配法
- 第III部 さらに深く
- 第14章 心理学
- 第15章 神経科学
- 第16章 応用と事例紹介
- 第17章 強化学習のこれから