The Control/Action module and the C

The Control/Action module and the Critic module are function approximation structures such as neural networks. The parameters of the Critic module are updated based on the Bellman’s principle of optimality, and the objective of updating the parameters of the Control/Action module is to
minimize the outputs of the Critic module.

ผลลัพธ์ (ไทย) 2:

การควบคุม / การดำเนินการโมดูลและโมดูลการวิจารณ์มีโครงสร้างประมาณฟังก์ชั่นเช่นเครือข่ายประสาท พารามิเตอร์ของโมดูลนักวิจารณ์ที่มีการปรับปรุงบนพื้นฐานของหลักการยามของ optimality และวัตถุประสงค์ของการปรับปรุงค่าพารามิเตอร์ของโมดูลการควบคุม / การดำเนินการคือการ
ลดผลของโมดูลวิจารณ์

ผลลัพธ์ (ไทย) 3:

การควบคุมการกระทำ / โมดูลและโมดูลเป็นนักวิจารณ์การประมาณค่าฟังก์ชันโครงสร้างเช่นโครงข่ายประสาทเทียม พารามิเตอร์ของโมดูลเป็นนักวิจารณ์การปรับปรุงบนหลักการของ พนักงาน ของ คุณภาพ และวัตถุประสงค์ของการปรับปรุงพารามิเตอร์ของโมดูลการควบคุม / การกระทำ

ลดผลผลิตของการวิจารณ์ของโมดูล