শক্তিবৃদ্ধি শিক্ষার মাধ্যমে পরিকল্পনা

পুরস্কার গঠন (Reward Shaping)

পুরস্কার ডিজাইনের একটি কৌশল যা এজেন্টকে কাঙ্ক্ষিত পরিকল্পনা আচরণের দিকে আরও কার্যকরভাবে পরিচালিত করার জন্য মূল পুরস্কার ফাংশনকে পরিবর্তন করে।

← ফিরে যান