AI資格 G検定(予想問題) その3
通常
試験時間: 00:00問題時間: 00:00
問題一覧
問題 125 / 160
期待される累積報酬の勾配を直接推定して方策パラメータを更新するアルゴリズムはどれですか？
①Q学習
②Dyna-Q
③REINFORCE
④SARSA
当サイトでは、ユーザー体験の向上を目的としてCookieを使用しています。サイトの利用を継続することで、Cookieの使用に同意したものとみなされます。
期待される累積報酬の勾配を直接推定して方策パラメータを更新するアルゴリズムはどれですか？
当サイトでは、ユーザー体験の向上を目的としてCookieを使用しています。サイトの利用を継続することで、Cookieの使用に同意したものとみなされます。