バッチMCとバッチTD
Less than 1 minute
バッチMCとバッチTD
ModelFreePolicyEvaluationより。k個のエピソードがあるという前提でモンテカルロPolicyEvaluationやTDLearningをバッチで適用する手法。
例題 AB Example(Ex 6.4 Satton Barto, 2018)
バッチMCとバッチTDの収束性比較
ModelFreePolicyEvaluationより。k個のエピソードがあるという前提でモンテカルロPolicyEvaluationやTDLearningをバッチで適用する手法。