からっぽのしょこ
id:anemptyarchive
4.5.2:価値反復法の実装【ゼロつく4のノート】
はじめに 『ゼロから作るDeep Learning 4 ――強化学習編』の独学時のまとめノートです。初学者の補助となるようにゼロつくシリーズの4巻の内容に解説を加えていきます。本と一緒に読んでください。 この記事は、4.5.2節の内容です。価値反復法を実装して最適状態価値関数と最適方策を求めます。 【前節の内容】 www.anarchi…