Iti0210w13: erinevus redaktsioonide vahel

Allikas: Lambda
Mine navigeerimisribale Mine otsikasti
PriitJ (arutelu | kaastöö)
Resümee puudub
PriitJ (arutelu | kaastöö)
Resümee puudub
10. rida: 10. rida:


[https://echo360.org.uk/media/027fca45-da8f-4958-8af6-37bbc7c72be4/public loengu salvestus]
[https://echo360.org.uk/media/027fca45-da8f-4958-8af6-37bbc7c72be4/public loengu salvestus]
[[Category:Iti0210]]

Redaktsioon: 28. aprill 2020, kell 15:51

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