WORD BOOK
頻出ワードを暗記する単語帳

回答は●●●をクリックしてください

強化学習において、状態-行動-報酬-次状態-次行動のペアを使用してQ値を更新する手法で、特にオンポリシー学習に有効です。SARSAは、エージェントが実際に選択した行動に基づいて学習を行います。この手法を●●●●●●●と言います。