[TS2] チュートリアルセッション2
深層強化学習 ～強化学習の基礎から応用まで～

[TS2] 深層強化学習 〜強化学習の基礎から応用まで〜

*平川 翼¹ (1. 中部大学)

略歴： 2013年広島大学大学院博士課程前期修了。2017年広島大学大学院博士課程後期修了。博士（工学）。2014・017年独立行政法人日本学術振興会特別研究員（DC1）。2014・015年ESIEE Paris客員研究員。2017年より中部大学研究員を経て、2019年中部大学特任助教。時系列予測、深層強化学習、医用画像処理の研究に従事。画像の認識・理解シンポジウム（MIRU）長尾賞（2019年・2020年）、フロンティア賞（2019年）、画像センシングシンポジウム（SSII）優秀学術賞（2020年）等を受賞。

概要： 深層強化学習はDeep Q-Network (DQN) の登場以降、様々なアプローチが提案されており、AlphaGoによる囲碁の攻略やロボットの自律制御などの様々な応用がなされています。本チュートリアルでは、従来の強化学習の基本的な考え方に触れ、深層学習を組み合わせた深層強化学習についての紹介を行います。また、時間の許す限り、最新の深層学習手法やAlphaGoの仕組み、深層強化学習の活用例を紹介します。