強化学習の基本原理

強化学習は、行動が次の観測と将来の報酬を変える問題を扱います。既存ラベルへの予測と違い、どの経験を集めるかも学習の一部です。有限MDPからBellman方程式、計画、経験による更新を順に導きます。

記事の閲覧状態を確認しています…

広告を取得中...