差分

Q学習

49 バイト追加, 2017年3月29日 (水) 02:34

Q学習で[[ググる]]と小難しい説明が多いようだが、大雑把にいえば、

~~関数qは、ある状況sにおいて、行動aを選択した場合の結果を得点として返す。~~関数qは、ある状況sにおいて、行動aを選択した場合の結果を得点（報酬）として返す。

このQ(s,a)関数の行動aを変えまくって最高得点が出るパターンを力技で見つけるというものである。

「力こそパワー」である。

Q(s, a)

匿名利用者