SARSA

SARSA(λ)

SARSA-এর একটি সম্প্রসারণ যা λ প্যারামিটার সহ যোগ্যতার ট্রেস ব্যবহার করে, একটি পর্বে পূর্বে পরিদর্শন করা অবস্থা এবং ক্রিয়াকলাপে পুরস্কার ছড়িয়ে দিয়ে শেখার গতি বাড়ায়।

← ফিরে যান