প্রশ্ন ট্যাগ «proofs»

সারণী কিউ-লার্নিং অ্যালগরিদম অনুকূল খুঁজে পাওয়ার গ্যারান্টিযুক্ত QQQ ফাংশন, Q∗Q∗Q^*, প্রদত্ত শিক্ষার হার সম্পর্কিত নিম্নলিখিত শর্তগুলি ( রব্বিনস-মনরো শর্তাবলী ) সন্তুষ্ট ∑tαt(s,a)=∞∑tαt(s,a)=∞\sum_{t} \alpha_t(s, a) = \infty ∑tα2t(s,a)&lt;∞∑tαt2(s,a)&lt;∞\sum_{t} \alpha_t^2(s, a) < \infty কোথায় αt(s,a)αt(s,a)\alpha_t(s, a) মানে আপডেট করার সময় ব্যবহৃত শিক্ষার হার QQQ রাষ্ট্রের সাথে সম্পর্কিত মান sss এবং কর্ম aaa …

12 reinforcement-learning  q-learning  deep-rl  proofs  function-approximation 

কম্পিউটার বিজ্ঞানে ধারণা করা হয় যে মানুষের মনকে একটি টুরিং মেশিন দ্বারা প্রতিলিপি করা যেতে পারে, সুতরাং কৃত্রিম জেনারেল ইন্টেলিজেন্স (এজিআই) সম্ভব। অন্যথায় অনুমান করা হ'ল রহস্যময় কিছুতে বিশ্বাস করা, এবং রহস্যবাদী বিশ্বাসগুলি মিথ্যা। আমি অন্য কোনও যুক্তি সম্পর্কে জানি না যে এজিআই সম্ভব, এবং পূর্বোক্ত যুক্তিটি অত্যন্ত দুর্বল। কমপক্ষে …

11 philosophy  agi  proofs