Category:強化学習
時間差分学習
Temporal difference learning
人間のフィードバックによる強化学習
Reinforcement learning from human feedback
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
DQN (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ベイズ強化学習
SARSA法
State–action–reward–state–action階層型強化学習
Q学習
Q-learning強化学習
Reinforcement learning