Core Concepts
深層学習を用いた高次元問題の解決可能性を開拓する。
Abstract
様々な応用領域での確率最適制御とゲーム理論の重要性。
深層学習に基づく計算手法が高次元問題の解決を可能にしたこと。
ニューラルネットワークを使用した新しいアルゴリズムや理論の紹介。
現実的なモデルが高次元入力関数の近似を必要とすることから、効率的かつ正確な深層学習アルゴリズムの開発が重要であること。
時間離散化が必要な場合、一定間隔グリッド上で考えられること。
Stats
Han and Eは現代的な機械学習技術を使用して高次元問題を解決する方法を提案した。
Bachouchらは古典的な動的プログラミングと深層ニューラルネットワークを組み合わせて制御および価値関数を近似する手法を提案した。
Quotes
"多くの現実世界の応用では、小さな数値メモリしか持たないシステムに対して正確なダイナミックプログラミングアルゴリズムは計算上不可能である。"
"BSDEに基づく深層学習アルゴリズムは、制御問題に対する代替手法として注目されている。"