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.
O GoConqr está de visual novo! Conte para nós o que você achou.
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.