ব্যাচ সীমাবদ্ধ Q-লার্নিং (BCQ)

বিহেভিয়ার ক্লোনিং

একটি সুপারভাইজড লার্নিং কৌশল যা পুরস্কারের সংকেত ব্যবহার না করে প্রদর্শনমূলক ডেটা থেকে সরাসরি বিশেষজ্ঞের ক্রিয়া অনুকরণ করে। যদিও সহজ, এই পদ্ধতিটি স্থাপনার সময় ক্যাসকেড ত্রুটির সঞ্চয়নের সমস্যায় ভুগতে পারে।

← ফিরে যান