AI資格 G検定(予想問題) その5
通常
試験時間: 00:00問題時間: 00:00
問題一覧
問題 25 / 160
REINFORCEアルゴリズムで方策パラメータを更新する際に使用される報酬の集計方法はどれか？
①1ステップのTD誤差を用いる
②エピソード全体のモンテカルロリターンを用いる
③価値関数が提供する利得(advantage)のみを用いる
④Q値表を更新する方法を用いる
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。