প্রশ্ন ট্যাগ «q-learning»

আমি গুগলের ডিপমাইন্ড আতারি কাগজটি পড়ছি এবং আমি "অভিজ্ঞতার পুনরায় খেলা" ধারণাটি বোঝার চেষ্টা করছি। অভিজ্ঞতার পুনরায় খেলা আরও অনেক সংহতকরণ শেখার কাগজপত্র আসে (বিশেষত, আলফাগো পেপার), সুতরাং এটি কীভাবে কাজ করে তা আমি বুঝতে চাই। নীচে কিছু অংশ রয়েছে। প্রথমত, আমরা একটি জৈবিকভাবে অনুপ্রাণিত মেকানিজমযুক্ত অভিজ্ঞতা ব্যবহার করি যা …

19 reinforcement-learning  q-learning