Q学習は強化学習の方策オフ型時間差分法の一つである。概念自体は古くから存在するが、Q学習（Q-learning）という名前で今日の手法がまとめられたのは、1989年のクリストファー・ワトキンズ（Christopher J.C.H. Watkins）の博士論文に端を発する。[1] TD学習は になるように学習させるが、Q学習はこれを に置き換えたものである。状態価値関数 の代わりに、行動価値関数 を使用する。 Q学習は有限マルコフ決定過程において全ての状態が十分にサンプリングできるようなエピソードを無限回試行した場合、最適な評価値に収束することが理論的に証明されている。実際の問題に対してこの条件を満たすことは困難ではあるが、この証明はQ学習の有効性を示す要素の一つとして挙げられる。 Q学習では実行するルールに対しそのルールの有効性を示す行動価値のQ値（Q-value）という値を持たせ、エージ
注意： 以下の内容は、遺伝的アルゴリズム(GA)をあまりよく知らない素人が 行ったシミュレーションの結果です。これを元に遺伝的アルゴリズムについて 何か知ったつもりになったり、他の人に知ったかぶりした時などに 起きた損害、かいた恥などには一切責任を取りませんのであしからず。 イントロダクション プログラムは小学生の頃から組んでいたが、まともに組み出したのは 中学生くらいからだろうか。当時プログラムという趣味はかなり マニアックで、「プログラマー＝オタク」という図式がほぼ成り立っている頃 だった。僕らは非力なコンピューターを駆使し、ゲームを作ったり パズルを解くプログラムを作って速度を競ったりといろいろやったものだ。 さて、プログラムというと、普通考えるのはアルゴリズムの事だろう。 アルゴリズムとはある問題を解くとき場合の手順を抽象化したもので、 プログラムで表現するとほとんど整数を扱
WE HAVE A NEW WEBSITE AS OF JUNE 2023! VISIT OUR NEW PAGE, here. Welcome to Center for Computational Analysis of Social and Organizational Systems (CASOS)! Addressing complex real world issues through a combined social-science & computer-science approach, using advanced techniques from network science, text-mining, and agent-based modeling. Leader in network science, network analysis and network v
神経細胞を仮想環境に接続――「意識」は生まれるか 2007年9月28日 サイエンス・テクノロジー コメント： トラックバック (1) Brandon Keim 2007年09月28日 神経細胞を培養するための多電極アレイ Credit:ジョージア工科大学神経工学研究室(4枚とも) 哲学者のルネ・デカルトが「われ思う、ゆえにわれあり」と言ったとき、おそらく、ネズミの神経細胞群が培養皿で切手サイズにまで育てられ、コンピューターに接続されるといった事態は想像していなかっただろう。 長年にわたり、科学者たちは、研究室で培養された脳細胞の発火パターンを観察することで、脳の発達についての研究を進めてきた。 しかし最近まで、培養皿の脳細胞は、情報を受け取ることができなかった。実際の灰白質とは異なり、信号を送ることしかできなかったのだ。 ジョージア工科大学の科学者チームは、より本物の脳に近い活動をする神経
ベイジアンネットワーク（英: Bayesian network）は、因果関係を確率により記述するグラフィカルモデルの1つで、複雑な因果関係の推論を有向非巡回グラフ構造により表すとともに、個々の変数の関係を条件つき確率で表す確率推論のモデルである。ネットワークとは重み付けグラフのこと。 確率分布は確率変数をノード、変数間関係をリンクとするグラフ/ネットワークで表現できる[1][2]（確率的グラフィカルモデル[3]）。このうちリンクが向きを持ち依存関係が巡回しないもの（有向非巡回グラフ）は次の名称で呼ばれる[4]。 ベイジアンネットワーク（英: Bayesian networks）[5] 有向グラフィカルモデル（英: directed graphical models）[5] 有向確率モデル（英: directed probabilistic models）[6] 有向確率的グラフィカルモデル
VPL stands for visual programming; it is a type of language that uses graphical components such as icons, buttons, and symbols in the form of coding. This programming language allows visual illustration of the coding concept generated by the computer. This type of programming language helps non-technical users explain charts and processes in a way that most beginners can comprehend. The visual pro
ダートマス会議（ダートマスかいぎ、（英: Dartmouth Conference）は、人工知能という学術研究分野を確立した会議の通称である。1956年7月から8月にかけて開催された[1]。当時、ダートマス大学に在籍していたジョン・マッカーシーが主催した会議で、会議のコンセプト自体はマービン・ミンスキー、ネイサン・ロチェスター、クロード・シャノンらと共に構想した。その会議の提案書において、人類史上初めて英語の用語「artificial intelligence」[2]が使われたとされる[3]。 会議は一ヶ月に及ぶもので、基本的にアイデアを自由に出し合う場であった。ダートマス大学の数学学科が入居していたビルの最上階を数学者とコンピュータサイエンティスト達が引き継いでから8週間が経過していた[3]。 提案書の序文には次のように書かれていた。 我々は、1956年の夏の2ヶ月間、10人の人工知能研
ID3[1]は汎用目的で設計された教師あり学習アルゴリズムの一種である。その学習効率の高さと出力が決定的であることなどから、エキスパートシステムの知識獲得部分にしばしば用いられる。 ID3（Iterative Dichotomiser 3）は1979年にジョン・ロス・キンラン（John Ross Quinlan）により提案された。その学習方法はオッカムの剃刀の原理に基づいている。すなわち最低限の仮説による事象の決定を行う。出力は決定木の形で表される。 この方法は各独立変数に対し変数の値を決定した場合における平均情報量の期待値を求め、その中で最大のものを選びそれを木のノードにする操作を再帰的に行うことで実装される。 学習効率が良く、多数の例題から学習することが出来るが、「例題を一括に処理する必要があり学習結果の逐次的な改善が行えない」、「入力変数が連続値を取る場合は利用できない」などといった
この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "エキスパートシステム" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL (2012年2月) エキスパートシステム（英語: expert system）とは、人工知能研究から生まれたコンピュータシステムで、人間の専門家（エキスパート）の意思決定能力をエミュレートするものである[1]。専門家のように知識についての推論によって複雑な問題を解くよう設計されており、通常のプログラミングのようにソフトウェア開発者が設定した手続きに従うわけではない[2][3][4]。1970年代に人工知能の研究者によって開発され、1980年代にわたって商業的に適用され
前の記事 スレの状況がわかるツール：「多様な意見」を視覚化 パソコンの瞬間オン・オフも可能に：強誘電体トランジスターに新技術 次の記事 未解読のインダス文字を、人工知能で解析 2009年4月24日 Brandon Keim J.M. Kenoyer/Harappa.com 多くの考古学者の挑戦を退けてきた古代文字が、人工知能にその秘密の一部を見破られた。 4000年前のインダス文明で使われていた記号をコンピューターで分析したところ、これらの記号が話し言葉を表している可能性があることがわかったのだ。 「含まれている文法構造は、多くの言語で見られるものと共通しているようだ」と、ワシントン大学のコンピューター科学者、Rajesh Rao博士は語っている。 インダス文字は、紀元前2600年から紀元前1900年に今のパキスタン東部からインド北部にかけて使われていた文字で、エジプト文明やメソポタミア文
前の記事 「衛星成功に総書記は涙」：北朝鮮の核再開宣言とミサイル輸出 「物理法則を自力で発見」した人工知能 2009年4月15日 Brandon Keim Image credit: Science、サイトトップの画像はフーコーの振り子。Wikimedia Commonsより 物理学者が何百年もかけて出した答えに、コンピューター・プログラムがたった1日でたどり着いた。揺れる振り子の動きから、運動の法則を導き出したのだ。 コーネル大学の研究チームが開発したこのプログラムは、物理学や幾何学の知識を一切使わずに、自然法則を導き出すことに成功した。 この研究は、膨大な量のデータを扱う科学界にブレークスルーをもたらすものとして期待が寄せられている。 科学は今や、ペタバイト級[1ペタバイトは100万ギガバイト]のデータを扱う時代を迎えている。あまりに膨大で複雑なため、人間の頭脳では解析できないデータセ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く