DQN（Deep Q-Network）を成功させた2大技術

深層学習と強化学習の結合は発散しやすい問題がありました。DQNは過去の遷移データをバッファに保存しランダム抽出して相関を断ち切る「Experience Replay」と、TDターゲットの重みを一定期間固定する「Target Network」で収束を達成しました。 ア：正解です。時系列データの自己相関の打破（Experience Replay）と、追うべき目標の安定化（Target Network）がDQNのブレイクスルーです。 イ：誤りです。汎用的な正則化手法ですが、DQN特有の安定化の核心技術ではありません。 ウ：誤りです。GANやDiffusionは生成モデルの技術です。 エ：誤りです。これらを組み合わせたのは後のAlphaGo等です。

DeepMindがAtariのビデオゲームを人間超えの腕前でプレイさせた「DQN（Deep Q-Network）」において、ニューラルネットワークによるQ関数の学習を劇的に安定化させた2大技術の組み合わせとして、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
経験再生（Experience Replay）と、ターゲットネットワーク（Target Network）の固定
イ
ドロップアウトと、バッチ正規化
ウ
敵対的生成ネットワークと、拡散プロセス
エ
モンテカルロ木探索と、方策勾配法