線形バンディット
行動がd次元ベクトルで表現され、d次元の未知のパラメータと内積をとってノイズが乗ったものが報酬になるモデル
X_i(t) = \theta^\top a_i + \epsilon(t)
Related Pages
- →強化学習×機械学習勉強会×谷口忠大×椹木哲夫×双シェマモデル×自律エージェントの為の自己組織化機械学習手法の提案×piaget×シェマ理論×schema×スキーマ×シェマの均衡化×k平均法×クラスタ_=_シェマ×シェマの分化×身体と環境の相互作用を通した記号創発×環境との相互作用×身体と環境の相互作用×記号創発×知覚シェマ×行為シェマ×意図×記憶容量の有限性×主観的誤差×知覚シェマ活性度×距離情報からカテゴリ化を行うことの問題×汎化行為概念の適応的獲得×作られるシェマの量と身体能力の関係×人間はベクトル演算が弱い×身体能力の高いロボットは言語を作る必要がない×身体性×選好注視法×報酬×生まれつきの好み×自然淘汰による最適化→
- →強化学習×探索と利用のトレードオフ×ローカルミニマム×イプシロングリーディ×降りるために登らなければならない×猿山の大将×井の中の蛙大海を知らず×不確実なときには楽観的に×george_edward_pelham_box(日本語)×box,_g._e.×フィルターバブル×選択と集中×まだ絵のない盲点カード→
- →次元の呪い×高次元空間において正規分布はほぼ超球面上の一様分布×悲観的な勘違い×利用と探索のトレードオフ×c3:_computer_created_cats×ベルヌーイ分布×トンプソンサンプリング×強化学習×トンプソンサンプリング採用の流れ×良いの定義→
- →速読について考える×べき→why?×未知のものに出会うことを目標にしてはいけない×フロー理論×ストレッチゴールの設定×強化学習×k-means×次元削減注意×時系列の入力からのパターン発見×状態の分散表現×状態のベクトル化×q関数×海馬の時間圧縮×トンプソンサンプリング×確信度×知性体→
"Engineer's way of creating knowledge" the English version of my book is now available on [Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from [Scrapbox] at [Edit]