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
デュエリングネットワークの説明として不適切なものを選ぶ
デュエリングネットワークの説明として、最も不適切な選択肢を1つ選べ
どの行動が最善かを選ぶ役割と、その価値を評価する役割を別々のネットワークに分ける
行動価値を、その状況そのもののよさを表す状態価値と、行動ごとの得失を表す差分に分ける
状況のよさと行動の得失を分けて学ぶ
どの行動を選んでも大差ない状況でも、状況の価値を効率よく学べる
採点する
オリジナル問題(スタディードが作成)
前へ
←
次へ
→