BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:第2回 強化学習アーキテクチャ勉強会 X-WR-CALNAME:第2回 強化学習アーキテクチャ勉強会 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:630531@techplay.jp SUMMARY:第2回 強化学習アーキテクチャ勉強会 DTSTART;TZID=Asia/Tokyo:20170810T184500 DTEND;TZID=Asia/Tokyo:20170810T203000 DTSTAMP:20260428T033519Z CREATED:20170808T160318Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/63053 1?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nはじめに\n 強化学習は環境に柔軟に適応する知能エージェントに おける基本機能と考えられます。近年は深層学習など のアーキテクチャとして、認識技術と組み合わされて 自動運転などの実践的な場でつかわれれはじめており 、さらにロボットなどにおいても今後は適用されてゆ くシーンが増えてゆくでしょう、こうした背景から、 実践的な強化学習や，実世界で動かす強化学習（ロボ ット・自動運転），強化学習を部品として組み合わせ る（アーキテクチャ），といったトピックについて重 視し情報共有する場として強化学習アーキテクチャ勉 強会を開始しました。\n本勉強会において積極的に議 論に加わっていただき、今後、論文紹介などの形で貢 献いただけるかたの参加をお待ちしております。\n当 勉強会の運営方針などについては、https://rlarch.connpass.c om/ を御覧ください。\n今回は、東京大学の初谷さんに 、連続行動空間を扱った強化学習について解説頂く予 定です。興味の有る方は奮ってご参加下さい。\nスケ ジュール\n\n18:50 〜18:55 オープニング\n18:55〜19:55 講演 ： 連続行動空間における強化学習 (初谷 怜慈) 発表45 分、質疑応答15分\n19:55〜20:30 フリーディスカッション\ n\n※ 19:00にビル入り口が施錠されるため、19時以前に 起こしください（万が一19時を過ぎてしまった場合は インターホンにてご連絡ください）\n講演概要：\n\n発 表者： 初谷怜慈 (東京大学)\nタイトル：連続行動空間 における強化学習 \nアブストラクト：強化学習の行動 空間は離散空間か連続空間が考えられる。\nAtari等のゲ ーム環境においては離散行動空間が用いられることが 多い一方、現実世界におけるロボットの強化学習など では連続行動空間が適している場合が多い。\n連続行 動空間における強化学習はいくつかの方向性に発展を している。離散行動空間で用いられたDQNを連続空間に 適用できるよう変形したNAF [0] 、微分不可能な損失関 数 (hard attentionなど) において使われる方策勾配法をも ちいたもの[1] とその発展手法[2\,3]、さらにGANsのよう に異なるネットワークの勾配を方策の更新に使用する もの[4]などがある。\n本発表ではまず連続行動空間の 強化学習手法を基礎的なところから復習し、どのよう な研究の流れになっているのかについて発表する。\n\n 主要参考文献：\n\n[0] Continuous Deep Q-Learning with Model-based Acceleration\nhttps://arxiv.org/pdf/1603.00748.pdf\n[1] Policy Gradient M ethods for Reinforcement Learning with Function Approximation\, https://h omes.cs.washington.edu/~todorov/courses/amath579/reading/PolicyGradient.p df\n[2] Asynchronous Methods for Deep Reinforcement Learning\, https://ar xiv.org/pdf/1602.01783.pdf\n[3] Trust Region Policy Optimization\, https: //arxiv.org/pdf/1502.05477.pdf\n[4] Continuous control with deep reinforc ement learning\, https://arxiv.org/pdf/1509.02971.pdf\n LOCATION:φcafe 東京都文京区本郷5丁目24-5　角川本郷ビル6F URL:https://techplay.jp/event/630531?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR