ディープラーニング用語ドリル

機械学習・強化学習No.060 / 293

マルコフ決定過程

次の状態が、今の状態と行動だけで決まると考えて、強化学習の問題を表す枠組み。

カードで練習 書いて答える問題に挑戦

確認問題

次の説明に当てはまる用語はどれか。

行動価値を、次の状態で実際に選んだ行動の価値を使って更新する強化学習の方法。