Up 教師あり学習 作成: 2026-10-25
更新: 2026-10-25
４足歩行ロボット ＞ 進化型＞ 歩行脳の構築 ＞ ｢睡眠｣アルゴリズム ＞ 教師あり学習

    パラメータ値の更新は，｢教師あり学習｣ の形で行う。

    教師データは，歩行脳NN の入出力の組：：
    　　(入力, 出力)

    教師あり学習は，
    　　歩行脳NN に＜教師データの入力＞を入力
    　　出力と＜教師データの出力＞の差 (loss) から，
    　　　勾配法でパラメータ値を変更


    計算量は，PPO と比べて，非常に小さい。：
    実際，
    　　入力 128 byte
    　　隠れ層 256
    　　出力 64 byte
    程度なので，Raspberry Pi 5 でも十分。


    PPO は，記録をつくるころが，先ずたいへん。
    記録処理のアルゴリズム (GAE 価値関数) も複雑。
    ｢睡眠｣ のパラメータ更新は，｢教師あり学習｣ ということで，記録が揃っているところから始まる。
    そして記録の本数が少なく・サイズも小さい。