which haven't been selected in the

which haven't been selected in the past to maximize the total number of state-action value estimates that are produced.

ผลลัพธ์ (ไทย) 1:

ซึ่งไม่ได้ถูกเลือกมาเพื่อเพิ่มจำนวนของค่าสถานะการดำเนินการประเมินที่มีผลิต

ผลลัพธ์ (ไทย) 2:

ซึ่งยังไม่ได้รับการคัดเลือกในอดีตที่ผ่านมาเพื่อเพิ่มจำนวนรวมของการประมาณการมูลค่ารัฐการกระทำที่มีการผลิต

ผลลัพธ์ (ไทย) 3:

ซึ่งยังไม่ได้ถูกเลือกในที่ผ่านมาเพื่อเพิ่มจำนวนของการกระทำที่เป็นค่าประมาณการผลิต