RL মাল্টি-অবজেক্টিভস কন্টিনিউ

ভেক্টর রিওয়ার্ড ফাংশন

একটি রিটার্ন ফাংশন যা একটি স্কেলারের পরিবর্তে পুরস্কারের একটি ভেক্টর প্রদান করে, যা রিইনফোর্সমেন্ট লার্নিংয়ে একই সাথে একাধিক দ্বন্দ্বমূলক উদ্দেশ্য ক্যাপচার করতে সক্ষম করে।

← ফিরে যান