4.1. Special case of the Q-learning

4.1. Special case of the Q-learning model (F-Q model)
We began the simulations by confirming the analytical relation
between the Q-learning model with the special case αF = αL (F-Q
model) and the logistic regression model.
We set the inverse tem-perature parameter β = 3.0. Fig. 1(A) shows the regression coef-ficients of the logistic regression that were analytically predicted
from Eq. (17) (squares) and those obtained by statistical model fit-ting to the simulated data (solid lines). We can confirm that these
two results almost perfectly agree, which supports the validity of
the analytical calculation.

ผลลัพธ์ (ไทย) 1:

4.1. กรณีพิเศษของรูปแบบการเรียน Q (รุ่น F Q)เราเริ่มจำลอง โดยยืนยันความสัมพันธ์วิเคราะห์ระหว่างรุ่น Q การเรียนกับการ αF กรณีพิเศษ = αL (F Qรุ่น) และแบบจำลองการถดถอยโลจิสติกเราตั้งผกผัน tem-อุณหภูมิพารามิเตอร์β = 3.0 มะเดื่อ 1(A) แสดงการถดถอย coef ficients ของการถดถอยโลจิสติกที่ถูกทำนาย analyticallyจาก Eq. (17) (สี่เหลี่ยม) และผู้รับ โดยทางสถิติแบบพอดี-ทิงข้อมูลจำลอง (เส้นทึบ) เราสามารถยืนยันได้ว่าเหล่านี้สองผลสมบูรณ์เห็นด้วย ซึ่งรองรับความถูกต้องของการคำนวณเชิงวิเคราะห์

ผลลัพธ์ (ไทย) 2:

4.1 กรณีพิเศษ (รุ่น FQ) Q-การเรียนรู้รูปแบบ
เราเริ่มการจำลองโดยการยืนยันความสัมพันธ์การวิเคราะห์
ระหว่างรุ่น Q-การเรียนรู้ที่มีกรณีพิเศษαF = αL (FQ
Model) และรูปแบบการถดถอยโลจิสติ.
เราตั้ง tem- ผกผัน พารามิเตอร์ perature β = 3.0 มะเดื่อ. 1 (A) แสดงให้เห็นถึงการถดถอย COEF-ficients ของถดถอยโลจิสติที่ได้รับการคาดการณ์การวิเคราะห์
จากสมการ (17) (สี่เหลี่ยม) และผู้ที่ได้รับจากแบบจำลองทางสถิติพอดี Ting ข้อมูลจำลอง (เส้นทึบ) เราสามารถยืนยันได้ว่าสิ่งเหล่านี้
ทั้งสองมีผลเกือบจะสมบูรณ์แบบเห็นด้วยที่สนับสนุนความถูกต้องของ
การคำนวณการวิเคราะห์