Módulo 10 de 10 · Texto
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 estrena diseño! Cuéntanos qué te parece.
Módulo 10 de 10 · Texto
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.