Sutton本の第8章の内容のメモです 関数近似の背景 これまでの章ではテーブル形式の推定価値関数を用いてきた それぞれの状態(行動対)について1つの推定値を持っておかねばならない 表を保持するためのメモリや、表を埋め尽くすための計算量が膨れ上がる 限定…

Sutton本の第5章の内容のメモです 前章で扱ったDPとの関係性 価値関数の計算や方策評価,改善といった基本的な考え方は一緒 DPと違って環境の完全な知識(期待報酬, 遷移確率など)は必要とせず、経験のみから価値を推定 エピソード的(=終わりがある)タスク限定…