Yapay ZekâÖnerilenAIML-RL-007
Q-Learning
Off-policy TD control: learning optimal values while behaving otherwise.
Bu konunun henüz Türkçe çevirisi yok, bu yüzden İngilizce gösteriliyor.
- Zorluk
- 3 / 5
- Önem
- 4 / 5
- Çalışma süresi
- 1–2 sa
- Çalışma türü
- Karma
Neden önemli
The learner can apply one Q-update by hand and explain the max that makes it off-policy.