「強化学習」の記事一覧

• 

  Q学習で迷路を解いたら、報酬が出口から逆向きに染みてきた。そして崖っぷちを攻めるQ学習と、遠回りするSARSA

  Jul 21, 2026

  実践記強化学習

• 

  ε-greedyの後悔は直線で伸び続けた。UCBとThompson samplingを競走させたら395対185対79

  Jul 21, 2026

  実践記強化学習

• 

  「たまには冒険したほうがいい」を多腕バンディットで測ったら、最適な選択を引けた割合が35.95%から79.31%まで変わった

  Jul 16, 2026

  実践記強化学習