If the actual computational process

If the actual computational process in a decision-maker is similar to that employed in the standard Q-learning model, i.e., the value of the unchosen option remains unchanged, better predictions could be achieved by constructing a regressor of the regression with different clocks for each option. Specifically, such a model should include the variables that represents reward or choice n trials back in trials in which that option was chosen, rather than in actual trials (as in the method discussed in this paper). However, for more general cases (αF ̸= αL, αF ̸= 0), mapping the RL model to the regression model is not straightforward

ผลลัพธ์ (ไทย) 1:

ถ้าการคำนวณจริงใน decision-maker คล้ายกับที่ทำงานในรูปแบบมาตรฐานเรียนรู้ Q เช่น ค่าของตัวเลือก unchosen ยังคงไม่เปลี่ยนแปลง คาดคะเนที่ดีสามารถทำได้ โดยสร้าง regressor ของการถดถอยกับนาฬิกาแตกต่างกันสำหรับแต่ละตัวเลือก โดยเฉพาะ แบบจำลองควรมีตัวแปรที่แสดงถึงการสะสม หรือการทดลอง n เลือกสำรองในการทดลอง ในที่ถูกเลือก แทนที่ จะทดลองจริง (ในวิธีที่กล่าวถึงในเอกสารนี้) อย่างไรก็ตาม สำหรับกรณีทั่วไป (αF ̸ = αL, αF ̸ = 0), การแมปแบบ RL แบบถดถอยไม่ตรงไปตรงมา

ผลลัพธ์ (ไทย) 2:

หากขั้นตอนการคำนวณที่เกิดขึ้นจริงในตัดสินใจจะคล้ายกับที่ใช้ในการรุ่น Q-การเรียนรู้มาตรฐานเช่นค่าของตัวเลือก unchosen ยังคงไม่เปลี่ยนแปลงการคาดการณ์ที่ดีกว่าจะประสบความสำเร็จโดยการสร้าง regressor ​​ของการถดถอยที่มีนาฬิกาที่แตกต่างกัน แต่ละตัวเลือก โดยเฉพาะรูปแบบดังกล่าวควรจะรวมถึงตัวแปรที่แสดงถึงการทดลองหรือรางวัลทางเลือก n กลับมาอยู่ในการทดลองที่ตัวเลือกที่ได้รับเลือกมากกว่าในการทดลองที่เกิดขึ้นจริง (ในขณะที่วิธีการที่กล่าวถึงในบทความนี้) แต่สำหรับกรณีทั่วไปมากขึ้น (αF̸ = αL, αF̸ = 0), การทำแผนที่รุ่น RL เพื่อรูปแบบการถดถอยจะไม่ตรงไปตรงมา

ผลลัพธ์ (ไทย) 3:

ถ้ากระบวนการคำนวณจริงในคน จะคล้ายกับที่ใช้ในมาตรฐาน q-learning โมเดล เช่น ค่าของตัวเลือก unchosen ยังคงไม่เปลี่ยนแปลง การคาดคะเนที่ดีสามารถทำได้โดยการสร้าง regressor ของการถดถอยกับนาฬิกาที่แตกต่างกันสำหรับแต่ละตัวเลือก โดยเฉพาะเป็นรูปแบบควรประกอบด้วยตัวแปรที่แสดงถึงผลตอบแทนหรือเลือก N การทดลองในการทดลองที่ตัวเลือกที่ถูกเลือก มากกว่า ในการทดลองจริง ( เช่นในวิธีที่กล่าวถึงในบทความนี้ ) อย่างไรก็ตาม สำหรับกรณีทั่วไป ( α F ̸ = α L , F α̸ = 0 ) , การทำแผนที่ RL ตัวแบบการถดถอยแบบไม่ตรงไปตรงมา