問題 No.658
ディープラーニングと強化学習を組み合わせた手法によりゲームAIが人間のスコアを上回る成果を上げた。行動価値関数の近似にニューラルネットワークを用い過去の経験を蓄積してランダムにサンプリングすることで学習を安定化させる手法はどれか。
【正解の解説】
深層Qネットワーク
Q学習という強化学習手法に、深いネットワークを組み込み、過去の経験を再利用することで高い性能を発揮させる手法です。
スポンサーリンク
【その他の選択肢の解説】
遺伝的アルゴリズム
生物の進化プロセスを模倣して、優れた個体を残すことで最適解を探し出すアルゴリズムです。
マルコフ決定過程
将来の状況や報酬が、現在の状態と行動のみに依存して決定されるシステムを数学的にモデル化したものです。
モンテカルロ木探索
ゲームなどで、可能な先読みをシミュレーションして、最も勝率が高そうな手を選択するための探索アルゴリズムです。