Séance de cours
Apprentissage par renforcement: problèmes de bandits
Description
Cette séance de cours couvre une preuve en deux lignes de la convergence dans l'attente de la règle d'apprentissage utilisée dans l'apprentissage par renforcement avec un horizon en 1 étape, démontrant que l'estimation empirique de la valeur Q converge vers la valeur Q réelle.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.