Iti0210w13: erinevus redaktsioonide vahel
Mine navigeerimisribale
Mine otsikasti
| 1. rida: | 1. rida: | ||
= 13. Nädal = | = 13. Nädal = | ||
Hüvitisega õppimine. ''Q-Learning''. [''AIMA''] 21.3.2, [''ARTINT''] [https://artint.info/2e/html/ArtInt2e.Ch12.S4.html 12.4]. | Hüvitisega õppimine ehk stiimulõpe. ''Q-Learning''. [''AIMA''] 21.3.2, [''ARTINT''] [https://artint.info/2e/html/ArtInt2e.Ch12.S4.html 12.4]. | ||
Mõned sissejuhatavad artiklid: [http://mnemstudio.org/path-finding-q-learning-tutorial.htm],[https://blog.valohai.com/reinforcement-learning-tutorial-part-1-q-learning] | Mõned sissejuhatavad artiklid: [http://mnemstudio.org/path-finding-q-learning-tutorial.htm],[https://blog.valohai.com/reinforcement-learning-tutorial-part-1-q-learning] | ||
Redaktsioon: 28. aprill 2020, kell 16:50
13. Nädal
Hüvitisega õppimine ehk stiimulõpe. Q-Learning. [AIMA] 21.3.2, [ARTINT] 12.4.
Mõned sissejuhatavad artiklid: [1],[2]