日時
- 2020年1月20日 10時00分〜 2020年1月20日 17時00分
開催予定
プログラム
- 第1部 逆強化学習の基礎知識
- マルコフ決定過程
- 平均とマルコフ性 (MP)
- 逐次平均表現とMP
- マルコフ報酬過程
- マルコフ決定過程
- Bellman方程式の導出
- 平均から決定型Bellman方程式の導入
- 平均表現と価値関数の導入
- 確率型Bellman方程式の導出
- 行動状態価値関数の導入
- 確率型ベルマン方程式の導出
- 遷移確率関数 T (r ( S’) , S‘│s,a ) の極意
- グリッドワード問題の応用
- 動的計画法
- ε = 1-Greedy反復方策
- ε = 0-Greedy方策反復法 (On-Policy)
- ε = 0-Greedy価値反復法 (Off-Policy)
- 逆強化学習の基本概念の導入
- 報酬関数の定義
- 報酬関数による価値関数の推定
- マルコフ決定過程
- 第2部 逆強化学習の解法:線形計画最適化逆強化学習手法
- 線形計画最適化逆強化学習手法の導入
- 線形計画逆強化学習手法の定式化
- 線形計画逆強化学習手法のコーディング要領
- 線形計画逆強化学習手法の応用事例の紹介
- 第3部 逆強化学習の解法:最大エントロピー逆強化学習手法
- 関数近似の基本概念
- 関数近似モデルを用いた報酬の表現
- 機械学習による報酬関数の回帰
- 最大エントロピーを取り入れた報酬誤差関数の設計
- 熟練者による行動確率教師データの生成
- 最大エントロピー逆強化学習手法のコーディング要領
- 最大エントロピー逆強化学習手法の応用事例の紹介
- 第4部 逆強化学習の解法:深層NN最大エントロピー逆強化学習手法
- 深層NN (neural network) の導入
- 深層NN最大エントロピーを取り入れた報酬誤差関数の設計
- 熟練者による状態頻度教師データの生成
- 深層NN最大エントロピー逆強化学習手法のコーディング要領
- 深層NN最大エントロピー逆強化学習手法の応用事例の紹介
- 第5部 逆強化学習の展望と関連技術の紹介
- 質疑応答
会場
受講料
- 1名様: 50,000円(税別) / 55,000円(税込)
- 複数名: 45,000円(税別) / 49,500円(税込)
複数名同時受講割引について
- 2名様以上でお申込みの場合、
1名あたり 45,000円(税別) / 49,500円(税込) で受講いただけます。- 1名様でお申し込みの場合 : 1名で 50,000円(税別) / 55,000円(税込)
- 2名様でお申し込みの場合 : 2名で 90,000円(税別) / 99,000円(税込)
- 3名様でお申し込みの場合 : 3名で 135,000円(税別) / 148,500円(税込)
- 同一法人内による複数名同時申込みのみ適用いたします。
- 受講券、請求書は、代表者にご郵送いたします。
- 他の割引は併用できません。