Gymで強化学習㊲ポリシー勾配法：理論編

前回は、Atariゲーム環境におけるDueling DQNの実験結果を報告しました。今回は新たなテーマ、ポリシー勾配法に焦点を当てます。これまでずっと、ポリシーとして行動価値を最大化する行動選択を行う手法を解説してきました。行動価値ベースのポリシーでは、必ず行動価値の計算が不可欠です。続きをみる
Source: Note 起業ニュース

リンク元