MuZero
MuZero
একটি রিইনফোর্সমেন্ট লার্নিং অ্যালগরিদম যা পরিবেশের গতিবিদ্যা সম্পর্কে পূর্ব জ্ঞান ছাড়াই একইসাথে ট্রানজিশন মডেল, রিওয়ার্ড মডেল এবং ভ্যালু মডেল শেখে।
← ফিরে যানএকটি রিইনফোর্সমেন্ট লার্নিং অ্যালগরিদম যা পরিবেশের গতিবিদ্যা সম্পর্কে পূর্ব জ্ঞান ছাড়াই একইসাথে ট্রানজিশন মডেল, রিওয়ার্ড মডেল এবং ভ্যালু মডেল শেখে।
← ফিরে যান