Обучение с подкреплением

Материал из Викиконспекты

Версия от 15:16, 12 января 2019; Dariyakovleva (обсуждение | вклад) (Новая страница: «Задача о многоруком бандите. Жадные и эпсилон-жадные стратегии. Метод UCB (upper confidence bound).…»)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)

Перейти к: навигация, поиск

Задача о многоруком бандите.

Жадные и эпсилон-жадные стратегии.

Метод UCB (upper confidence bound).

Стратегия Softmax.

Q-learning

Источник — «http://neerc.ifmo.ru/wiki/index.php?title=Обучение_с_подкреплением&oldid=68301»