AI資格 G検定(予想問題) その4
通常
試験時間: 00:00問題時間: 00:00
問題一覧
問題 11 / 160
期待される累積報酬の勾配に従って方策のパラメータを直接更新するアルゴリズムはどれですか。
①値反復法
②方策勾配法
③Q学習
④モンテカルロ木探索
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に従って方策のパラメータを直接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。