В методі навчання з підкріпленням на основі часових різниць TD(0) значення оціночної ваги стану V(s) уточнюється з врахуванням:

Question

В методі навчання з підкріпленням на основі часових різниць TD(0) значення оціночної ваги стану V(s)  уточнюється з врахуванням:

Answer

значень оціночних ваг усіх дій {Q(s,a)}, які можна здійснити в цьому стані

Answer

поточного значення V(s) та значення оціночної ваги наступного стану V(s′), в який перейшло середовище

Answer

поточного значення V(s) та значення оціночної ваги попереднього стану V(s′), в якому знаходилось середовище

Crowdly