AI資格 G検定(予想問題) その10
通常
試験時間: 00:00問題時間: 00:00
問題一覧
問題 147 / 160
Q学習におけるQ値の代表的な更新式として正しいものを選んでください。
①Q(s,a) <- Q(s,a) + alpha * (r + gamma * max_a' Q(s',a') - Q(s,a))
②Q(s,a) <- r + gamma * max_a' Q(s',a') (現在のQ値を参照しない単純和)
③Q(s,a) <- 正解ラベルとの誤差に基づく標準的な教師あり学習の重み更新式
④Q(s,a) はクラスタ割当によって更新される