#Policy

रीइन्फोर्समेंट लर्निंग की मूल बातें — एमडीपी, बेलमैन समीकरण और रोबोट के लिए एक्सप्लोरेशन

रीइन्फोर्समेंट लर्निंग एक बंद लूप है जिसमें एक एजेंट प्रेक्षणों से क्रियाएँ चुनता है और विलंबित पुरस्कारों को अधिकतम करता है। यह परिचय एमडीपी, मूल्य कार्यों, नीतियों, बेलमैन समीकरणों, अन्वेषण बनाम दोहन, पुरस्कार डिजाइन और सिमुलेशन से वास्तविक रोबोट तक के पथ की व्याख्या करता है।