訂正・補足（「強化学習」を学びたい人が最初に読む本）

第1版第2刷（および第1版第1刷）

＜訂正＞2024年5月17日

3章　教師あり学習
・p.69の下から1行目

誤：また、中間層と出力層はそれぞれ複数のユニットで構成されています。
正：また、中間層は複数のユニットで、出力層は1つのユニットで構成されています。

＜訂正＞2024年5月23日

5章　基本のQ学習：tableQ
・p.157の12行目

誤：確率的な（-1+γmaxQ([0120],a)）の値の期待値に右辺のQ([0120],a)を収束させようとする狙いもあります。
正：確率的な（-1+γmaxQ([0120],a)）の値の期待値に左辺のQ([1020],進む)を収束させようとする狙いもあります。

第1版第1刷（第1版第2刷以降は修正済み）

＜訂正＞2021年11月16日

講座B　Pythonの基本
・p.365の下から3行目

誤：__init__()という必ず定義しなくてはいけないメソッドと、
正：__init__()という初期化用のメソッドと、

＜訂正＞2022年1月4日

4章　強化学習の問題設定
・p.129の下から3行目

誤：＝(－1)＋0.5×(－1)＋0.5²×(－1)＋0.5³×(－1)＝－1.111
正：＝(－1)＋0.1×(－1)＋0.1²×(－1)＋0.1³×(－1)＝－1.111

5章　基本のQ学習：tableQ
・p.135の本文の下から1行目

誤：Vの更新を100回繰り返し、
正：Vの更新を60回繰り返し、

＜訂正＞2022年9月22日

5章　基本のQ学習：tableQ
・p.159の図5-15の左の「エプシロン-グリーディー法」の中の説明文

誤：εの確率で
正：1－εの確率で

誤：1－εの確率で
正：εの確率で

・p.192の上から4行目

誤：次の状態next_obsを決め
正：次の観測next_obsを決め

・p.192の上から6行目

誤：次の状態next_obsの情報を
正：次の観測next_obsの情報を

＜補足＞2023年2月1日

5章　基本のQ学習：tableQ
・p.141の16行目

補足前：以下の式が導けます。
補足後：以下の式が導けます。以下の式では、式(5-6)の左辺のVをV(t)、右辺のVをV(t-1)、右辺のTをT(t)としています。

以上、お詫びして訂正いたします。
情報は随時更新いたします。