Double DQN
DQN では行動の価値（Q値）を実際より高く見積もりやすいという問題があった。行動を選ぶネットワークと価値を評価するネットワークを分けて、この問題を改善した手法として最も適切なものを1つ選べ。
- A
AlphaGo
- B
Double DQN
- C
k-means法
- D
CycleGAN
正解と解説を見る
正解：B
Double DQN は、行動の選択と評価を分けて、Q値の過大評価を抑えた。
| 手法 | 行動の選択 | 価値の評価 | 傾向 |
|---|---|---|---|
| DQN | ターゲットネットワークの最大値を取る（選択と評価が同じ） | ターゲットネットワーク | 価値を過大評価しやすい |
| Double DQN | オンラインネットワーク | ターゲットネットワーク | 過大評価を抑える |
- A
誤り。囲碁のプログラム。
- B
正しい。DQN の改良には、ほかに Dueling Network や、優先度付き経験再生などがあり、それらを組み合わせたものを Rainbow と呼ぶ。
- C
誤り。クラスタリングの手法。
- D
誤り。画像のスタイルを変換するモデル。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。