Category:強化学習
人間のフィードバックによる強化学習
Reinforcement learning from human feedback
SARSA法
State–action–reward–state–action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
近接方策最適化
Proximal policy optimization
時間差分学習
Temporal difference learning
Q学習
Q-learning強化学習
Reinforcement learning