Module 10 of 10 · Text
Algos / Chapter
1. Ei mitään?
2. greedy, ε-greedy, UCB, gradient bandit
3. Goal = Reward (t+1) + y*Goal(t+1)
Rajotetusta markov ketjusta johdetut kaavat rewardille, tila-muutoksen todennäkösyydelle ja odotetut rewardit.
GoConqr has a new look! Let us know what you think.
Module 10 of 10 · Text
1. Ei mitään?
2. greedy, ε-greedy, UCB, gradient bandit
3. Goal = Reward (t+1) + y*Goal(t+1)
Rajotetusta markov ketjusta johdetut kaavat rewardille, tila-muutoksen todennäkösyydelle ja odotetut rewardit.