Q-learning

টার্মিনাল অবস্থা

একটি শোষণকারী অবস্থা যা শেখার একটি পর্ব শেষ করে, যার পরে আর কোনও অতিরিক্ত ক্রিয়া সম্ভব নয় এবং Q ফাংশন আর আপডেট করা হয় না।

← ফিরে যান