BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:第12回 強化学習アーキテクチャ勉強会 X-WR-CALNAME:第12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:658558@techplay.jp SUMMARY:第12回 強化学習アーキテクチャ勉強会 DTSTART;TZID=Asia/Tokyo:20180213T184500 DTEND;TZID=Asia/Tokyo:20180213T202500 DTSTAMP:20260501T212931Z CREATED:20180208T101000Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/65855 8?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\nGoogle Group : https://goo.gl/xznKlY （ 注：KlYのIは「L」の小文字です）\nSlack : https://join.slack. com/t/rlarch/shared_invite/MjM2Mzc3MDE1MzYyLTE1MDQ2MjIzNDItNjFmNmU2NWJlYg \n\nスケジュール\n\n18:50 〜18:55 オープニング\n18:55〜20: 25 講演：DQNからRainbowまで 〜深層強化学習の最新動向 〜（奥村 純）発表75分、質疑応答15分\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発表者：奥村 純 (DeN A)\n\n\nタイトル：\nDQNからRainbowまで 〜深層強化学習の 最新動向〜\n\n\nアブストラクト：\n近年Atariや囲碁、Sta rCraftに代表されるような様々なゲームが、深層強化学 習の進展等によって高い成績を出せるようになってき ている。これらのゲームタスクにおいて機運が変わっ た一つのきっかけはDeep Q Network (DQN) の登場であり、そ の後もDQNは様々な改良が加えられながらベンチマーク タスクのSotAが更新され続けている。\nこの講演では、2 017年に提案された"Rainbow"アルゴリズムを元に、DQN以前 ・以後に提案されてきたいくつかの深層強化学習アル ゴリズムを概観する。また、これらのアルゴリズムは 、総合評価として"全タイトルのパフォーマンス統計" が参照されているためにSotAであることが目立ちがちで あるが、ここでは各アルゴリズムに対して議論を重ね ることでなるべく批判的に内容を読んでいきたい。本 講演では、model-freeかつoff-policyなアルゴリズムのみに 着目し、タスクとしてはAtariを中心に取り上げる予定 である。\n\n\n参考文献\n[1] Riedmiller\, Martin. "Neural fitted Q iteration–first experiences with a data efficient neural reinforcement learning method". In: European Conference on Machine Learning. Springer\ , Berlin\, Heidelberg\, 2005. p. 317-328.\n[2] Mnih\, Volodymyr\, et al. "Human-level control through deep reinforcement learning." Nature 518.754 0 (2015): 529.\n[3] Van Hasselt\, Hado\, Arthur Guez\, and David Silver. "Deep Reinforcement Learning with Double Q-Learning." AAAI. Vol. 16. 201 6.\n[4] Schaul\, Tom\, et al. "Prioritized experience replay." arXiv prep rint arXiv:1511.05952 (2015).\n[5] Wang\, Ziyu\, et al. "Dueling network architectures for deep reinforcement learning." arXiv preprint arXiv:151 1.06581 (2015).\n[6] Sutton\, Richard S.\, and Andrew G. Barto. "Reinforc ement learning: An introduction." Vol. 1. No. 1. Cambridge: MIT press\, 1998.\n[7] Wang\, Ziyu\, et al. "Dueling network architectures for deep r einforcement learning." arXiv preprint arXiv:1511.06581 (2015).\n[8] Wan g\, Ziyu\, et al. "Dueling network architectures for deep reinforcement l earning." arXiv preprint arXiv:1511.06581 (2015).\n[9] Hessel\, Matteo\, et al. "Rainbow: Combining Improvements in Deep Reinforcement Learning." arXiv preprint arXiv:1710.02298 (2017).\n\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/658558?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR