Actor-Criticの理解

問題

以下の文章を読み、空欄 ( A ) ～ ( C ) に最もよく当てはまる語句の組み合わせとして正しい選択肢を1つ選べ。Actor-Criticは、行動を決定するActorと、行動を評価するCriticの2つのネットワークを同時に学習させる。

Actorは( A )に基づいて確率的に行動を選択し、CriticはTD誤差などを計算して( B )を用いて行動の良さを評価する。この手法は( C )学習の一種に分類される。

Actor-Criticは、強化学習における代表的な手法です。Actor（役者）は「方策（次にどの行動をとるか）」を出力し、Critic（評論家）は「価値関数（その行動がどれくらい良かったか）」を用いて評価を行います。

これら2つを同時に学習・更新していくことで複雑なタスクに対応します。

1. ( A ) 方策　( B ) 価値関数　( C ) 強化

正しい：Actorは「方策」に基づいて行動を選択し、Criticは「価値関数」を用いて評価を行います。また、これは「強化学習」の一種です。

2. ( A ) 価値関数　( B ) 方策　( C ) 教師あり

誤り：Actorが用いるのは方策であり、Criticが用いるのが価値関数です。また強化学習に分類されます。

3. ( A ) 価値関数　( B ) 方策　( C ) 強化

誤り：Actorは「方策」に基づき行動を選択します。価値関数を用いるのはCriticです。

4. ( A ) 方策　( B ) 価値関数　( C ) 教師なし

誤り：Actor-Criticは教師なし学習ではなく、「強化学習」の手法です。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ