草薙君ドラマです。

毎週見てます。

それにしても、急転直下な展開だこと・・・。



もともと、ホリエモン事件があるまえは、草薙君が冷酷な人間からスタートして

だんだん、やわらかくなっていくはずだったのが、



やわらかいところからスタートして金の亡者になって、そっから没落して

またやわらかくなって、挽回するという、ひじょうに面倒なながれになってしまったよう・・・。



へへへ。



ヒロインのカオリさんやくの女優さんが好きです。名前忘れたけど。

ＡＳＫ.jpのＣＭにもでてるひと。

珍しく研究ネタです。



今日、離散空間、いわゆるGrid空間でのQ学習をプログラムしてみた。

今書いてる論文の簡単な例題として使うつもりだったんだけど。



いままで、強化学習は連続空間でしかやったことがないという、変わり者の

ワタクシ。



ヨノナカでは一番、このGrid空間って奴がやられてるんですが、

実際、プログラムしてみると

「めっちゃ簡単。」



連続空間で問題になるような学習における汎化性の問題なんて、しったこっちゃない

って感じで計算が収束していく・・・。



一日で、まとまった結果が出せてしまいました。あーこりゃこりゃ。



近々Q学習の連続空間への拡張をやるんだけど、まあ、その前哨戦といったところでしょうか？



ちなみに、elgibility traceを導入すると、ほとんど報酬分配の効果のないQ(λ)以外では

Q学習の本質的利点である、方策非依存性が消えてしまうことが発覚。 あー、そらそうか・・・・。

その辺の証明はわかってないので、上手く与える方法があるかもしれないけど、

ちょっと勉強セナならんなあ・・・。

昨日、生まれて初めて、人からスカウトされる感じのことがあった。

具体的にはこんな場所ではいえないけど。

スゲーうれしかった。



でも、諸般の事情でオコトワリすることにしたんだけど。

がんばってれば誰かみててくれるのかな、って感じでした。



ご期待に沿えるように研究もがんばりたいと思います。

まだみぬ世界と平穏な暮らしのために。

博士号をとるのに必要なジャーナル3本目の投稿を昨日完了しました。
タイトルは「汎化行為概念の適応的獲得　-双シェマモデルベースの強化学習-」です。
双シェマモデルってのは相変わらず、僕が作ってる学習機構なんだけど、
今回はそれに強化学習を乗っけて、銅谷先生らのとはまた違うモジュール型強化学習を
つくったってところかな？

これで、とりあえずひと段落つけて、カナダに新婚旅行にいけます。 しかーし、
投稿段階で、ページ数超過に気づき、後半部分を別項に分割することに
なりました。
つーわけでというわけで、すぐにでも4本目を書かなければならない状況なのです。
ひとだんらくついたのか、ついてないのか・・・。
タイトルもモトは「汎化行為概念の累増的獲得」だったんですけどね。 4本目書き始めました。

だっけ？
木曜やってる草薙君のドラマ。

その主題歌をクリスタルケイがうたってるんだけど、なかなかいいね。

久しぶりにええかんじの難しさの曲でございます。
ヨメに習得してほしい感じだわ。

ドラマも面白いし。

ヒロインの女優さん。とても20歳とはおもえへんね。
すごい、キレイカワイイ役をやってはります。
日本的だ・・・。 ＣＤゲットしよかしら。

クリスタルケイは今まで余り、上手さが先にたって、歌としての魅力を
余り感じなかったけど、今回はいい感じの調和をみせてるなとおもったとさ。
ドラマタイアップの効果もおおきいけど。