Similar to 人間のフィードバックによる強化学習

• 

  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
  
• 

  時間差分学習

  Temporal difference learning
  
• 

  ベイズ強化学習

  
• 

  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
  
• 

  人工知能

  Artificial intelligence
  ▼-1 trends

  
• 

  Template:主な人工知能

  Template:Generative AI
  
• 

  AI JIMY Converter

  
• 

  AI JIMY Paperbot

  
• 

  Apple Intelligence

  Apple Intelligence
  
• 

  Copilotキー

  Copilot key
  
• 

  DABUS

  DABUS
  
• 

  DirectML

  
• 

  DyNet

  
• 

  FIELD system

  
• 

  Google AI

  Google AI
  
• 

  GPTs

  
• 

  ID3

  ID3 algorithm
  
• 

  Jabberwacky

  Jabberwacky
  
• 

  Logic Theorist

  Logic Theorist
  
• 

  Mistral AI

  Mistral AI
  
• 

  MNISTデータベース

  MNIST database
  
• 

  NovelAI

  NovelAI
  
• 

  Open Neural Network Exchange

  Open Neural Network Exchange
  
• 

  OpenAI o1

  OpenAI o1
  
• 

  PARRY

  PARRY