yamaimo0625 https://blog.hatena.ne.jp/yamaimo0625/ いものやま。 https://yamaimo.hatenablog.jp/ 技術 AI 強化学習 一昨日はこれまでのおさらいと、ステップTD法とついて説明した。 今日は、さらにアルゴリズムを融合させて、TD()について考えていく。 モンテカルロ法とTD学習の融合（続き） TD()法 ステップ収益は、いずれも本質的には同じ値を推定しているので、重みを使って平均化することが出来る。 つまり、平均化した収益をと表すとしたとき、 として、このを価値の推定に使うことが出来る。 TD()法は、このステップ収益を平均化する方法の一つで、各収益をに比例して重み付けする。 そうすると、となって、近いステップのものに比重を置きつつ、遠くのステップ収益も参考にするという感じになる。 実際には、なので、正規化する… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fyamaimo.hatenablog.jp%2Fentry%2F2015%2F12%2F11%2F200000" title="強化学習について学んでみた。（その24） - いものやま。" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://images-fe.ssl-images-amazon.com/images/I/51PNPA99TZL._SL160_.jpg Hatena Blog https://hatena.blog 2015-12-11 20:00:00 rich https://yamaimo.hatenablog.jp/entry/2015/12/11/200000 1.0 100%