はじめに その３ということで一応Introduction to RLの最終回．今回勉強したページはこちら Part 3: Intro to Policy Optimization 今回はpolicy optimizationの基礎理論とその実装について． Deriving the Simplest Policy Gradient まずはでparameterizeさ…

はじめに OpenAIが提供するSpinning Upで深層強化学習の勉強をしたのでメモその２．今回勉強した内容はこちら． Taxonomy of RL Algorithms RLアルゴリズムを手法ごとに分類しようというもの．Part2のページに木構造でいい感じにまとめた図がある．Part 2の…