Category:強化学習
強化学習
Reinforcement learningQ学習
Q-learning人間のフィードバックによる強化学習
Reinforcement learning from human feedback時間差分学習
Temporal difference learningSARSA法
State–action–reward–state–actionDQN (コンピュータ)
モデルフリー (強化学習)
Model-free (reinforcement learning)分布ソフト・アクター・クリティック法
Distributional Soft Actor Critic近接方策最適化
Proximal policy optimizationエンドツーエンドの強化学習
End-to-end reinforcement learning