Q-learning et exploration

Apprendre a bien agir sans modele de l'environnement : la mise a jour par difference temporelle, la valeur qui remonte pas a pas, et pourquoi un agent purement glouton se bloque.

AvancéModule 335 min · 160 XP

Cinq trajets mis à jour à la main, B devant apprendre avant que A ne le puisse - puis l’échec glouton dessiné comme la boucle fermée qu’il est réellement.

Ceci est une leçon premium

Connectez-vous et inscrivez-vous pour lire la leçon complète, exécuter le code, passer le quiz et gagner des XP pour le badge du parcours.

Se connecter Créer un compte

← Retour à Apprentissage par renforcement