অফলাইন মাল্টি-টাস্ক রিইনফোর্সমেন্ট লার্নিং
মাল্টি-টাস্ক ব্যাচ কনস্ট্রেইন্ড কিউ-লার্নিং
BCQ-এর একটি সম্প্রসারণ যা মাল্টি-টাস্ক প্রেক্ষাপটে কাজ করে, যেখানে Q ফাংশন ব্যাচ ডেটা দ্বারা সীমাবদ্ধ থাকে এবং কাজগুলির মধ্যে জ্ঞান ভাগ করে নেয়।
← ফিরে যান