優先度付き経験再生
DQNの経験再生を改良し、TD誤差が大きい（学習の余地が大きい）経験を優先して取り出す手法として、最も適切なものを1つ選べ。
- A
優先度付き経験再生
- B
ターゲットネットワーク
- C
ε-greedy方策
- D
報酬のクリッピング
正解と解説を見る
正解：A
優先度付き経験再生は、TD誤差の大きい経験を優先して再利用する。DQNの改良手法の一つで、Rainbowにも組み込まれた。
- A
正しい。重要な経験を多く学習できる。
- B
誤り。学習の目標値を安定させるために、別のネットワークを一定期間固定する工夫。
- C
誤り。探索と活用のバランスを取る行動の選び方。
- D
誤り。報酬の大きさを一定の範囲に収める工夫。
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。