Crowdly
Додати до Chrome
В якому методі навчання з підкріпленням реалізовано слідування поточній стратегі...
✅ Перевірена відповідь на це питання доступна нижче. Наші рішення, перевірені спільнотою, допомагають краще зрозуміти матеріал.
В якому методі навчання з підкріпленням реалізовано слідування поточній стратегії вибору агентом дій π(s) на протязі деякого проміжку часу (епізоду) з подальшим покращенням стратегії π(s) в наступних епізодах, використовуючи знайдені значення оціночних ваг {Q(s,a)}?
0%
0%
0%
0%
0%