Iti0210w13: erinevus redaktsioonide vahel

Allikas: Lambda
Mine navigeerimisribale Mine otsikasti
PriitJ (arutelu | kaastöö)
PriitJ (arutelu | kaastöö)
Resümee puudub
3. rida: 3. rida:
Hüvitisega õppimine. ''Q-Learning''. [''AIMA''] 21.3.2, [''ARTINT''] [https://artint.info/2e/html/ArtInt2e.Ch12.S4.html 12.4].
Hüvitisega õppimine. ''Q-Learning''. [''AIMA''] 21.3.2, [''ARTINT''] [https://artint.info/2e/html/ArtInt2e.Ch12.S4.html 12.4].


[http://mnemstudio.org/path-finding-q-learning-tutorial.htm A Painless Q-Learning Tutorial]
Mõned sissejuhatavad artiklid: [http://mnemstudio.org/path-finding-q-learning-tutorial.htm],[https://blog.valohai.com/reinforcement-learning-tutorial-part-1-q-learning]


[http://www.cse.unsw.edu.au/~cs9417ml/RL1/algorithms.html Q-Learning/SARSA]
[http://www.cse.unsw.edu.au/~cs9417ml/RL1/algorithms.html Q-Learning/SARSA]

Redaktsioon: 28. november 2019, kell 18:17

13. Nädal

Hüvitisega õppimine. Q-Learning. [AIMA] 21.3.2, [ARTINT] 12.4.

Mõned sissejuhatavad artiklid: [1],[2]

Q-Learning/SARSA

Reinforcement Learning: Example and Tutorial

loengu salvestus