1 機械学習・制御における逆強化学習の位置づけ
1.1 機械学習における位置づけ
1.2 最適制御との接点
1.3 逆強化学習の応用分野・従来の時系列データ解析との違い
2 機械学習の基礎(概要)
2.1 識別的な機械学習の一般的な定式化
2.2 正則化付き経験損失最小化
2.3 典型的な識別問題(分類・回帰)の例
2.4 逆強化学習における問題設定
3 時系列データのモデリング:マルコフ決定過程と最適制御
3.1 時系列データモデリング
3.1.1 マルコフ過程・動的システム
3.2 報酬と紐付く時系列データモデリング
3.2.1 マルコフ決定過程
3.3 報酬関数最大化問題:最適制御・最適政策
3.4 ベルマン方程式・価値反復法
4 逆強化学習
4.1 逆強化学習の定式化
4.2 逆強化学習の損失関数の設計
4.3 逆強化学習のパラメータ最適化
5 逆強化学習の適用
5.1 逆強化学習の実装
5.2 研究事例から学ぶ逆強化学習の適用事例
5.2.1 マルコフ決定過程(状態空間・行動)の設計の実例
5.2.2 報酬関数設計の実例
6 逆強化学習の最近の話題
6.1 逆強化学習の高速化・高次元化・文脈の活用・
6.2 マルチエージェント問題・深層学習との融合・落穂拾い
7 まとめ