WORD BOOK
頻出ワードを暗記する単語帳

強化学習において、探索と利用のバランスを取るための方策で、特にバンディット問題に有効です。UCB方策は、各行動の上限信頼区間を計算し、最も有望な行動を選択します。この方策を●●●●●●●と言います。