Batch Constrained Q-learning (BCQ)

Ошибка начальной загрузки

Накопленная ошибка, когда политика использует собственные оценки стоимости для самосовершенствования, приводящая к расхождению за пределы поддержки данных. Офлайн-методы используют специальные техники для контроля этого смещения.

← Назад