問題 No.1633
強化学習において、過去の経験の中から学習効率が高い（TD誤差が大きい）ものほど優先的にリプレイバッファから抽出して学習する手法を何と呼ぶか。
【正解の解説】
優先度付き経験再生
Prioritized Experience Replay。DQNなどで、TD誤差に基づきサンプリング確率を重み付けすることで学習を効率化する。
スポンサーリンク
【その他の選択肢の解説】
経験再生
Experience Replay。エージェントの行動履歴を保存し、ランダムにサンプリングして学習に用いることで相関関係を解消する。
方策勾配法
方策のパラメータを勾配上昇法によって直接更新し、報酬の期待値を最大化するように学習する手法。
Q学習
行動価値関数Qを更新することで、最適な行動方策を学習する強化学習の代表的な手法。