いかおくら自習室のブログ

thumpx3.hatenablog.jp 続き。 強化学習における用語 用語 解説 エージェント 学習者 環境 エージェントの外側にあるもの全て 状態 現在の環境 報酬 状態が推移する時、同時に得られる結果 行動 エージェントがとりうる選択肢 方策 状態から行動を決める際のルール 行動価値関数 現在の状態から次の行動を評価する関数 割…