逆強化学習・模倣学習の基礎と応用

【講師】

下坂 正倫　氏　： 東京工業大学　情報理工学院　情報工学系　准教授　博士(情報理工学) 　

【プログラム】

　　1. 機械学習・制御における逆強化学習の位置づけ
　　　1.1　機械学習における位置づけ
　　　1.2　最適制御との接点
　　　1.3　逆強化学習の応用分野・従来の時系列データ解析との違い

　　2. 機械学習の基礎 (概要)
　　　2.1　識別的な機械学習の一般的な定式化
　　　2.2　正則化付き経験損失最小化
　　　2.3　典型的な識別問題(分類・回帰)の例
　　　2.4　逆強化学習における問題設定

　　3. 時系列データのモデリング : マルコフ決定過程と最適制御
　　　3.1　時系列データモデリング
　　　　3.1.1.　マルコフ過程・動的システム
　　　3.2　報酬と紐付く時系列データモデリング
　　　　3.2.1　マルコフ決定過程
　　　3.3　報酬関数最大化問題 : 最適制御・最適政策
　　　3.4　ベルマン方程式・価値反復法

　　4. 逆強化学習
　　　4.1　逆強化学習の定式化
　　　4.2　逆強化学習の損失関数の設計
　　　4.3　逆強化学習のパラメータ最適化

　　5. 逆強化学習の適用
　　　5.1　逆強化学習の実装
　　　5.2　研究事例から学ぶ逆強化学習の適用事例
　　　　5.2.1　マルコフ決定過程(状態空間・行動)の設計の実例
　　　　5.2.2　報酬関数設計の実例

　　6. 逆強化学習の最近の話題
　　　逆強化学習の高速化・高次元化・文脈の活用・
　　　マルチエージェント問題・深層学習との融合・落穂拾い

　　7. まとめ

【受講料】

・お1人受講の場合　46,000円[税別]／1名
・1口でお申込の場合　57,000円[税別]／1口（3名まで受講可能）