SARSA

আনুমানিক সমালোচনা

SARSA-এর একটি প্রকরণ যেখানে Q ফাংশন একটি টেবিলের পরিবর্তে একটি প্যারামেট্রিক মডেল (নিউরাল নেটওয়ার্ক) দ্বারা অনুমান করা হয়, যা অবিচ্ছিন্ন বা উচ্চ-মাত্রিক অবস্থার স্থান পরিচালনা করতে সক্ষম করে।

← ফিরে যান