Пакетное обучение с подкреплением

Фреймворк обучения с подкреплением, где агент имеет фиксированный пакет переходов и должен изучать оптимальную политику без дополнительных взаимодействий. Этот контекст накладывает специфические ограничения на алгоритмы для избежания расходимости.

← Назад