TD学習とは? わかりやすく解説

時間差分学習

(TD学習 から転送)

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2023/12/03 05:48 UTC 版)

時間差分学習(じかんさぶんがくしゅう、: temporal difference learning)やTD学習とは、現在の状態価値関数の推定からブートストラップで学習するモデルフリーの強化学習の手法。モンテカルロ法のように環境からサンプルを取り、動的計画法のように現在の推定に基づいて状態価値関数を更新する。[1]

状態価値関数


TD学習

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/08/05 00:36 UTC 版)

強化学習」の記事における「TD学習」の解説

TD学習(temporal difference learning)は報酬経験だけを頼りエピソード終了まで待たずに状態価値関数や行価値関数更新する手法

※この「TD学習」の解説は、「強化学習」の解説の一部です。
「TD学習」を含む「強化学習」の記事については、「強化学習」の概要を参照ください。

ウィキペディア小見出し辞書の「TD学習」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ


英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「TD学習」の関連用語

TD学習のお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



TD学習のページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
All text is available under the terms of the GNU Free Documentation License.
この記事は、ウィキペディアの時間差分学習 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。 Weblio辞書に掲載されているウィキペディアの記事も、全てGNU Free Documentation Licenseの元に提供されております。
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaの強化学習 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2025 GRAS Group, Inc.RSS