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 強化学習
この論点の解説を読む
マルコフ決定過程の説明として不適切なものを選ぶ
マルコフ決定過程の説明として、最も不適切な選択肢を1つ選べ
ある状態で行動を選んだときの価値を、実際に試した結果から少しずつ更新して覚えていく手法である
状態・行動・状態の移り変わり・報酬の4つの要素で、強化学習の場面を表す枠組みである
エージェントが持ち歩く判断材料は、現在の状態だけになる
先々の報酬の見積もりを、見通しよく計算できるようになる
採点する
オリジナル問題(スタディードが作成)
前へ
←
次へ
→