AI資格 G検定(予想問題) その9

問題 77 / 160

REINFORCEにおけるベースライン(baseline)の主な役割は何ですか?

報酬の分散を減らしバイアスを導入しない
勾配を有意に変えることで方策を固定する
学習率を動的に変更する
環境モデルを推定する

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。