choosing the action with the greate

choosing the action with the greatest Q-Value based on previous rewards received

ผลลัพธ์ (ไทย) 1:

เลือกการดำเนินการกับค่า Q ยิ่งใหญ่ที่สุดตามรางวัลที่ได้รับก่อนหน้านี้

ผลลัพธ์ (ไทย) 2:

เลือกการกระทำที่มีความยิ่งใหญ่ที่สุด Q-ราคาขึ้นอยู่กับผลตอบแทนที่ได้รับก่อนหน้านี้

ผลลัพธ์ (ไทย) 3:

การเลือกกับการกระทำที่ยิ่งใหญ่ที่สุดระตูตามรางวัลก่อนหน้านี้ที่ได้รับ