本文へスキップ
Studied
S!
G検定
/
演習問題集
知る
カリキュラム
学ぶ
学習教材
解く
演習問題集
模擬試験
覚える
単語カード
クイズ
用語集
振り返る
学習状況
習得マップ
論点別正答率
復習
出題カバレッジ
ブックマーク
ホーム
状況
教材
演習
模試
用語集
確認問題 深層強化学習
この論点の解説を読む
報酬成形の説明として不適切なものを選ぶ
報酬成形の説明として、最も不適切な選択肢を1つ選べ
複数のエージェントが、たがいの動きに影響し合いながら同時に学ぶ
目標にたどり着いたときだけ報酬を与えると、成功するまで手がかりがなく学習が進まない、という問題に対する工夫である
望ましい方向に進んだら小さな報酬を途中で与えるなど、報酬の設計を工夫して学習を助ける
与え方を誤ると、ねらいと違う近道を学んでしまうため、慎重さが要る
採点する
オリジナル問題(スタディードが作成)
前へ
←
次へ
→