Whereas a reward function indicates

Whereas a reward function indicates what is good in an immediate sense, a value function specifies what is good in the long run. Roughly speaking, the value of a state is the total amount of reward an agent can expect to accumulate over the future, starting from that state. Whereas rewards determine the immediate, intrinsic desirability of environmental states, values indicate the long-term desirability of states after taking into account the states that are likely to follow, and the rewards available in those states

ผลลัพธ์ (ไทย) 1:

ในขณะที่รางวัลฟังก์ชันบ่งชี้คืออะไรในความรู้สึกทันที มีค่าฟังก์ชัน speci fies อะไรจะดีในระยะยาว พูดประมาณ ค่าของสถานะเป็นยอดรวมของรางวัลตัวแทนสามารถคาดหวังไปในอนาคต เริ่มต้นจากรัฐ ในขณะที่รางวัลกำหนดปรารถนาทันที แท้จริงของสิ่งแวดล้อมสหรัฐ ค่าบ่งชี้ความระยะยาวของสหรัฐหลังคำนึงถึงอเมริกาที่มักจะทำตาม และรางวัลที่มีอยู่ในรัฐ

ผลลัพธ์ (ไทย) 2:

ในขณะที่ฟังก์ชั่นรางวัลระบุว่าเป็นสิ่งที่ดีในความรู้สึกทันทีฟังก์ชั่นค่า speci fies สิ่งที่ดีในระยะยาว พูดประมาณค่าของรัฐคือจำนวนของรางวัลตัวแทนสามารถคาดหวังที่จะสะสมในอนาคตที่เริ่มต้นจากรัฐว่า ในขณะที่ผลตอบแทนที่กำหนดทันทีปรารถนาที่แท้จริงของรัฐสิ่งแวดล้อมค่าบ่งบอกถึงความปรารถนาในระยะยาวของสหรัฐฯหลังจากที่คำนึงถึงรัฐที่มีแนวโน้มที่จะปฏิบัติตามและผลตอบแทนที่มีอยู่ในประเทศเหล่านั้น

ผลลัพธ์ (ไทย) 3:

ส่วนรางวัลฟังก์ชันแสดงสิ่งที่ดีในความรู้สึกทันที ค่าฟังก์ชันระบุสิ่งที่ดีในระยะยาว ประมาณพูด , ค่าของรัฐเป็นจำนวนเงินรางวัลตัวแทนสามารถคาดหวังที่จะสะสมมากกว่าในอนาคต เริ่มจากสภาพนั้น ส่วนรางวัลตรวจสอบทันที ความพอใจที่แท้จริงของรัฐด้านสิ่งแวดล้อม ค่าแสดงความพอใจในระยะยาวของสหรัฐฯ หลังจากพิจารณาระบุว่ามีแนวโน้มที่จะปฏิบัติตามและรางวัลที่มีอยู่ในรัฐนั้น