the sample complexity is the number

the sample complexity is the number of timesteps, over the course of any run, for which the
learning algorithm A is not executing an -optimal policy from its current state

ผลลัพธ์ (ไทย) 1:

ซับซ้อนอย่างเป็นจำนวน timesteps ประสบการณ์ทำงานใด ๆ ที่เรียนรู้อัลกอริทึม A จะไม่ดำเนินนโยบายดีที่สุดจากสถานะปัจจุบัน

ผลลัพธ์ (ไทย) 2:

ความซับซ้อนตัวอย่างคือจำนวนของ timesteps ช่วงเวลาของการดำเนินการใด ๆ ซึ่ง
ขั้นตอนวิธีการเรียนรู้ที่จะไม่ดำเนินการ? นโยบาย -optimal จากรัฐในปัจจุบัน

ผลลัพธ์ (ไทย) 3:

ตัวอย่างที่ซับซ้อนเป็นจำนวน timesteps ผ่านหลักสูตรของรัน ซึ่ง
อัลกอริทึมการเรียนรู้ ไม่ใช่การเป็น  เหมาะสมจากสถานะปัจจุบันของนโยบาย