強化学習

強化学習で必要になる数理を広くカバーした。一貫したていねいな解説なので、じっくり読める。参考文献・付録も充実！

理論は裏切らない
・強化学習で必要になる数理を広くカバーした。
・一貫したていねいな解説なので、じっくり読める。付録・参考文献も充実！
・ベルマン方程式、ＴＤ学習、方策勾配、ＰＯＭＤＰ、深層強化学習をより深く！

【おもな内容】
第１章　準備
１．１　強化学習とは
１．２　マルコフ決定過程と逐次的意思決定問題
１．３　方策
１．４　逐次的意思決定問題の定式化

第２章　プランニング
２．１　準備　
２．２　動的計画法
２．３　動的計画法による解法
２．４　線形計画法による解法

第３章　探索と活用のトレードオフ
３．１　概要
３．２　探索と活用のトレードオフ
３．３　方策モデル

第４章　モデルフリー型の強化学習
４．１　データにもとづく意思決定
４．２　価値関数の推定
４．３　方策と行動価値関数の学習
４．４　収束性
４．５　アクター・クリティック法

第５章　モデルベース型の強化学習
５．１　問題設定の整理
５．２　環境推定
５．３　ブラックボックス生成モデルに対するプランニング
５．４　オンラインのモデルベース型強化学習

第６章　関数近似を用いた強化学習
６．１　概要
６．２　価値関数の関数近似
６．３　方策の関数近似

第７章　部分観測マルコフ決定過程
７．１　部分観測マルコフ決定過程（ＰＯＭＤＰ）の基礎
７．２　ＰＯＭＤＰ　のプランニング
７．３　ＰＯＭＤＰ　の学習

第８章　最近の話題
８．１　分布強化学習
８．２　深層強化学習

付録Ａ　補足
Ａ．１　証明
Ａ．２　ノルム
Ａ．３　線形計画法
Ａ．４　自然勾配法の補足(「近刊情報」より)

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。