3.3. Standard Q-learning model (wit

3.3. Standard Q-learning model (with the forgetting rate αF = 0)
The standard learning model in which the action value for the
unchosen option is not updated is represented by setting αF = 0
in Eq. (9). With this setting,

ผลลัพธ์ (ไทย) 1:

3.3 มาตรฐาน Q-การเรียนรู้แบบ (กับ αF อัตราการลืม = 0)แบบมาตรฐานการเรียนรู้ซึ่งการดำเนินการคุ้มค่าunchosen ไม่มีการปรับปรุงตัวเลือกจะถูกแสดง โดยการตั้งค่า αF = 0ใน Eq. (9) การตั้งค่านี้

ผลลัพธ์ (ไทย) 2:

3.3 รุ่นมาตรฐาน Q-การเรียนรู้ (ที่มีอัตราการลืมαF = 0)
รูปแบบการเรียนรู้มาตรฐานที่คุ้มค่าการดำเนินการสำหรับ
ตัวเลือก unchosen จะไม่ปรับปรุงเป็นตัวแทนโดยการตั้งค่าαF = 0
ในสมการ (9) ด้วยการตั้งค่านี้

ผลลัพธ์ (ไทย) 3:

3.3 . q-learning แบบมาตรฐาน ( มีลืมคะแนนα F = 0 )การเรียนรู้แบบมาตรฐาน ซึ่งมูลค่าการกระทำสำหรับตัวเลือก unchosen ไม่ได้ปรับปรุง แทน โดยการα F = 0ในอีคิว ( 9 ) ด้วยการตั้งค่านี้