からっぽのしょこ
id:anemptyarchive
付録A:方策オフ型のモンテカルロ法【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、付録A節の内容です。方策オフ型のモンテカルロ法により行動価値関数を推定します。 【前節の内容】 www.anarchi…