活動内容

  1. 火曜勉強会: 隔週火曜に東京駅近郊で勉強会（教科書輪読または論文紹介）
  2. アウトプット活動: 勉強会での議論から派生したアウトプット活動（書籍・論文の出版）

1.の火曜勉強会が主な活動内容になります。

アウトプット活動

勉強会での活動・議論から派生してのアウトプットを最終目標としています。これまでに次のようなアウトプット実績があります。

速習 強化学習 ―基礎理論とアルゴリズム―

輪講メンバーによる訳本、「速習 強化学習 ―基礎理論とアルゴリズム―」が2017年9月21日に共立出版から刊行されました。

論文

太字が勉強会参加者です。

教科書輪読（水曜勉強会）

“Algorithms for Reinforcement Learning” の輪講をしていました。3周して終了しました。

  1. 1周目: 2015/11/20〜
  2. 2週目: 2016/04/06〜
  3. 3週目: 2017/03/01〜

こちらでの輪講資料をもとに速習 強化学習 ―基礎理論とアルゴリズム―が刊行されました。

論文紹介（水曜勉強会）

発表担当者が自分の好みで紹介したい論文を一本紹介してもらいます。 資料の作成は任意になります。 資料の作成よりは論文自体の理解を優先してもらい、 当日の発表はホワイトボード等を使って説明して頂く形でも問題ありません。 1〜2時間かけて一本をじっくり読みます。

活動履歴

# 日付 担当 内容 資料
1 2015/10/22 @sotetsuk / @RodeoBoy24420 キックオフ: @sotetsukから趣旨の説明と@RodeoBoy24420から強化学習概要 pdf
2 2015/11/02 @smochi 教科書: p.3-p.6  
3 2015/11/12 @nnnnishi 教科書: p.7-p.12  
4 2015/11/17 @RodeoBoy24420 教科書: p.12-p.17  
5 2015/11/24 @takayukisekine 教科書: p.17-p.23  
6 2015/12/02 @ikki407 教科書: p.23-p.29 pdf
7 2015/12/08 @sotetsuk 教科書: p.29-p.35  
8 2015/12/16 @fullflu 教科書: p.35-p.40 pdf
9 2016/01/18 @smochi 教科書: p.40-p.45  
10 2016/01/27 @nnnnishi 教科書: p.45-p.50  
11 2016/02/08 @RodeoBoy24420 教科書: p.50-p.56  
12 2016/02/22 @takayukisekine 教科書: p.56-p.62  
13 2016/02/29 @sotetsuk 教科書: p.62-p.67  
14 2016/03/28 @ikki407 教科書: p.68-p.74  
15 2016/04/06 @sotetsuk 教科書: p.3-p.6  
16 2016/04/13 @muupan 論文: Mastering the game of Go with deep neural networks and tree search pdf
17 2016/04/20 @smochi 教科書: p.7-p.12  
18 2016/04/27 @takayukisekine 論文: Deep Reinforcement Learning with Attention for Slate Markov Decision Processes with High-Dimensional States and Actions pdf
19 2016/05/11 @smochi 教科書: p.7-p.12（続き）  
20 2016/05/18 @RodeoBoy24420 論文: Algorithms for Inverse Reinforcement Learning pdf
21 2016/05/25 @nnnnishi 教科書: p.12-p.17  
22 2016/06/01 @sotetsuk 論文: Dopamine Cells Respond to Predicted Events during Classical Conditioning: Evidence for Eligibility Traces in the Reward-Learning Network slideshare
23 2016/06/08 @YuriCat 教科書: p.17-p.23  
24 2016/06/15 @ikki407 論文: A Contextual-Bandit Approach to Personalized News Article Recommendation pdf
25 2016/06/22 @fullflu 教科書: p.23-p.29  
26 2016/06/29 Ueki-san 論文: True Online TD(λ)  
27 2016/07/06 @muupan 教科書: p.29-p.35  
28 2016/07/20 @smochi 論文: Dynamic pricing policies for interdependent perishable products or services using reinforcement learning  
29 2016/08/03 @takayukisekine 教科書: p.35-p.40  
30 2016/08/10 @nnnnishi 論文: Ensemble Contextual Bandits for Personalized Recommendation slideshare
31 2016/08/24 @RodeoBoy24420 教科書: p.40-p.45  
32 2016/08/31 @sotetsuk 論文: Hierarchical Deep Reinforcement Learning: Integrating Temporal Abstraction and Intrinsic Motivation slideshare
33 2016/09/14 @ikki407 教科書: p.45-p.50  
34 2016/09/21 @YuriCat 論文: Unifying Count-Based Exploration and Intrinsic Motivation slideshare
35 2016/09/28 @shiba24 教科書: p.50-p.56  
36 2016/10/05 @takayukisekine 論文: SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient slideshare
37 2016/10/19 @shiba24 教科書: p.50-p.56  
38 2016/10/26 @shiba24 論文: Hybrid computing using a neural network with dynamic external memory pdf
39 2016/11/02 @muupan 教科書: p.56-p.62  
40 2016/11/09 @fullflu 論文: DCM Bandits: Learning to Rank with Multiple Clicks pdf
41 2016/11/30 @fullflu 教科書: p.62-p.67  
43 2016/12/07 @shiba24 教科書: p.68-p.74  
44 2017/01/11 @muupan 論文: Safe and Efficient Off-PolicyReinforcement Learning pdf
45 2017/01/18 @RodeoBoy24420 論文: Application of fuzzy Q-learning for electricity market modeling by considering renewable power penetration pdf
46 2017/02/01 @STRatANG 論文: Sample Efficient Actor-Critic with Experience Replay pdf
47 2017/02/08 @ororoku 論文: The Dynamics of Reinforcement Learning in Cooperative Multiagent Systems pdf
48 2017/02/15 @smochi 論文: Artist Agent: A Reinforcement Learning Approach to Automatic Stroke Generation in Oriental Ink Painting pdf
49 2017/03/01 @sotetsuk 教科書: p.3-p.12  
50 2017/03/08 @nnnnishi 論文: Optimal Asset Allocation using Adaptive Dynamic Programming / Enhancing Q-Learning for Optimal Asset Allocation pdf
51 2017/03/15 @STRatANG 教科書: p.12-p.17  
52 2017/03/22 @YuriCat 論文: Combining policy gradient and Q-learning slideshare
53 2017/03/29 @pacocat 教科書: p.17-p.23  
54 2017/04/05 @takayukisekine 論文: Evolution Strategies as a Scalable Alternative to Reinforcement Learning pdf
55 2017/04/12 @kiyukuta 教科書: p.23-p.29  
56 2017/04/19 @sotetsuk 論文: Reward Augmented Maximum Likelihood for Neural Structured Prediction slideshare
57 2017/04/26 Kume-san 教科書: p.29-p.35  
58 2017/05/10 Yamada-san 論文: Overcoming catastrophic forgetting in neural networks pdf
59 2017/05/17 @ororoku 教科書: p.35-p.40  
60 2017/05/24 @smochi 論文: Prioritized Experience Replay google slide
61 2017/05/31 @eratostennis 教科書: p.40-p.45  
62 2017/06/07 @sotetsuk 論文: Bridging the Gap Between Value and Policy Based Reinforcement Learning Dropbox paper
63 2017/06/14 @STRatANG 教科書: p.45-p.50 当日メモ
64 2017/06/21 @YuriCat The Predictron: End-To-End Learning and Planning Dropbox paper
65 2017/06/28 @fullflu 教科書: p.50-p.56 当日メモ
66 2017/07/05 @shiba24 Trust Region Policy Optimization google slide / 当日メモ
67 2017/07/12 Kume-san 教科書: p.56-p.62 当日メモ
68 2017/07/19 @ikki407 Multiagent Bidirectionally-Coordinated Nets for Learning to Play StarCraft Combat Games pdf
69 2017/07/26 @kiyukuta 教科書: p.62-p.67 google docs
70 2017/08/02 Kohno-san FeUdal Networks for Hierarchical Reinforcement Learning pdf
71 2017/08/09 @rkawajiri 教科書: p68-p74 google docs
72 2017/08/23 @sotetsuk ICML2017まとめ google slide
73 2017/08/30 @YuriCat Learning in POMDPs with Monte Carlo Tree Search Dropbox paper
74 2017/09/06 @maeyon A Distributional Perspective on Reinforcement Learning Dropbox paper
75 2017/09/20 @rkawajiri Improving Stochastic Policy Gradients in Continuous Control with Deep Reinforcement Learning using the Beta Distribution Dropbox paper
76 2017/10/04 @takayukisekine Deep Reinforcement Learning from Human Preference Dropbox paper
77 2017/10/18 @fullflu Personalized Ad Recommendation Systems for Life-Time Value Optimization with Guarantees Dropbox paper
78 2017/11/01 @pacocat Poker AIの最新動向 pdf
79 2017/11/15 @ikki407 AlphaGo Zero TBA
80 2017/12/13 Kume-san Uncertainty-driven Imagination for Continuous Deep Reinforcement Learning/The Intentional Unintentional Agent: Learning to Solve Many Continuous Control Tasks Simultaneously pdf
81 2018/01/17 @sotetsuk NIPS2017のRL x structured (sequence) prediction系 Dropbox paper
82 2018/01/28 @muupan Model-Based Reinforcement Learning @NIPS2017 Slideshare
83 2018/02/14 arakawa-kun Emergence of Linguistic Communication from Referential Games with Symbolic and Pixel Input google docs
84 2018/02/28 Okumura DQNからRainbowまで 〜深層強化学習の最新動向〜 Slideshare
85 2018/03/14 Ohto-kun Learning to Search with MCTSnets Dropbox paper
86 2018/03/28 Takayama-kun Q-learning with censored data Dropbox paper
87 2018/04/11 Nishiura-kun Active Neural Localization google slide
88 2018/04/25 Kikuchi-san Learning an Embedding Space for Transferable Robot Skills Dropbox paper
89 2018/05/08 @rkawajiri MAML Dropbox paper
90 2018/05/22 Maeda-san Towards Symbolic Reinforcement Learning with Common Sense Dropbox paper
91 2018/06/05 @toslunar Learning Deep Mean Field Games for Modeling Large Population Behavior None
92 2018/06/19 Yamaguchi GAIL google docs
93 2018/07/03 Arakawa-kun RUDDER google slide
94 2018/07/17 Ohto-kun TBA TBA
95 2018/07/31 @muupan TBA TBA
96 2018/08/21 @jun.okumura TBA TBA
97 2018/09/11 @ichi TBA TBA
98 2018/10/09 @kawajiri TBA TBA
99 2018/10/23 @maso TBA TBA
100 2018/11/06 @kume TBA TBA
101 2018/11/20 @kikuchi TBA TBA
102 2018/12/04 @takahashi TBA TBA

お問い合わせ

github.com/rl-tokyo/rl-tokyo.github.io/issues にて承ります。 参加者は随時募集しております。ただし持ち回りでの勉強会の発表の担当をご負担頂ける方だけになります。その点だけご了承下さい。