強化学習のノートの ToDo リスト #8
Description
[18/12/23]
チェック付き＝完了済み
- 概要の整理
- バックアップ線図を横方向から縦方向へ修正（縦方向のほうが規模の大きい図を書きやすいため）
- Sarsa のバックアップ線図を自作
- Q学習のバックアップ線図を自作
- 状態価値関数、行動価値関数の説明の修正
- モンテカルロ法の項目で、漸近式表現（α不変MC）での説明も追加
- TD学習での漸近式を導入するための平均値計算からの例の表現修正
→ 他の内容と被らないように修正 - 参考文献のレビュー整理
- DQN以降のディープラーニングの構造を持った手法の説明を追加