WORD BOOK
頻出ワードを暗記する単語帳

強化学習において、エージェントが環境と相互作用しながら最適な行動を学習する手法で、特にオフポリシー学習に有効です。Q学習は、状態と行動のペアに対する報酬を学習し、最適な行動を選択します。この手法を●●●●●●●と言います。