Apprentissage Temporel Différentiel

টিডি এরর

বর্তমান স্টেটের এস্টিমেটেড ভ্যালু এবং আপডেটেড টার্গেট ভ্যালুর মধ্যে পার্থক্য, যেখানে তাত্ক্ষণিক রিওয়ার্ড এবং পরবর্তী স্টেটের ভ্যালু এস্টিমেশন ব্যবহার করে টার্গেট ভ্যালু গণনা করা হয়।

← ফিরে যান