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)
TD学習（temporal difference learning）は報酬経験だけを頼りにエピソードの終了まで待たずに状態価値関数や行動価値関数を更新する手法。
※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。
このページでは「ウィキペディア小見出し辞書」からTD学習を検索した結果を表示しています。
Weblioに収録されているすべての辞書からTD学習を検索する場合は、下記のリンクをクリックしてください。
全ての辞書からTD学習
を検索
Weblioに収録されているすべての辞書からTD学習を検索する場合は、下記のリンクをクリックしてください。
全ての辞書からTD学習
を検索
- TD学習のページへのリンク
