パブリッシュされた記事"ニューラルネットワークが簡単に(第28部):方策勾配アルゴリズム".
![ニューラルネットワークが簡単に(第28部):方策勾配アルゴリズム](https://c.mql5.com/2/48/Neural_networks_made_easy_021__1.png)
強化学習法の研究を続けます。前回は、Deep Q-Learning手法に触れました。この手法では、特定の状況下でとった行動に応じて、これから得られる報酬を予測するようにモデルを訓練します。そして、方策と期待される報酬に応じた行動がとられます。ただし、Q関数を近似的に求めることは必ずしも可能ではありません。その近似が望ましい結果を生み出さないこともあります。このような場合、効用関数ではなく、行動の直接的な方針(戦略)に対して、近似的な手法が適用されます。その1つが方策勾配です。