Finally, the astute reader will not

Finally, the astute reader will notice that there is a “circular dependence” between automatic feature selection and automatic reward structure derivation: both search a space
of completely specified memory scheduler designs. What we do in our paper is to impose a basic ad hoc reward structure during feature selection (Read = Write = 1, rest = 0), but still use the appropriate objective function when evaluating candidate state attributes, and then use the resulting state attributes in the computation of the true reward structure. One could conceive iterating over these two steps to potentially refine the outcome, however for simplicity we do not explore this in this work.

ผลลัพธ์ (ไทย) 1:

ในที่สุดผู้อ่านที่ชาญฉลาดจะสังเกตได้ว่ามีการพึ่งพาโ€โ€วงกลมระหว่างการเลือกคุณลักษณะอัตโนมัติและได้รับรางวัลมาโดยอัตโนมัติโครงสร้าง: การค้นหาทั้งสองพื้นที่
จากการออกแบบอย่างสมบูรณ์ specifi ยเอ็ดหน่วยความจำกำหนดการ สิ่งที่เราทำในกระดาษของเราคือการกำหนดโครงสร้างพื้นฐานที่ได้รับรางวัลโฆษณา hoc ระหว่างการเลือกคุณลักษณะ (อ่าน = เขียน = 1, ส่วนที่เหลือ = 0),แต่ยังคงใช้ฟังก์ชันวัตถุประสงค์ที่เหมาะสมเมื่อมีการประเมินคุณสมบัติผู้สมัครรัฐและจากนั้นใช้ส่งผลให้คุณสมบัติของรัฐในการคำนวณของโครงสร้างผลตอบแทนที่แท้จริง ใครจะตั้งครรภ์ iterating กว่าทั้งสองขั้นตอนที่อาจ refi ยผล ne แต่สำหรับความเรียบง่ายที่เราไม่ได้สำรวจในงานนี้.

ผลลัพธ์ (ไทย) 2:

ในที่สุด อ่าน astute จะสังเกตเห็นว่า มีพึ่งเป็น "วงกลมพา" ระหว่างเลือกอัตโนมัติคุณลักษณะและผลตอบแทนอัตโนมัติโครงสร้างมา: ทั้งค้นหาช่องว่าง
ของสมบูรณ์ specifi ed จำกำหนดการออกแบบ สิ่งที่เราทำในกระดาษของเราคือการ กำหนดโครงสร้างพื้นฐานกิจรางวัลในระหว่างการเลือกคุณลักษณะ (อ่านเขียน = = 1 เหลือ = 0), แต่ยังคง ใช้วัตถุประสงค์ที่เหมาะสมทำงานเมื่อประเมินคุณลักษณะสถานะผู้สมัคร และรัฐได้ใช้คุณลักษณะในการคำนวณโครงสร้างผลตอบแทนที่แท้จริง ตั้งหนึ่งสามารถครรภ์วนซ้ำสองขั้นตอนเหล่านี้เพื่ออาจ refi ne ผล แต่ในความเรียบง่าย เราอันนี้ในงานนี้ได้

ผลลัพธ์ (ไทย) 3:

ในที่สุดเครื่องอ่านฉลาดที่จะต้องแจ้งให้ทราบล่วงหน้าว่ามี"การพึ่งพาการทรงกลมที่"ระหว่างการเลือกคุณสมบัติโดยอัตโนมัติและได้มาโครงสร้างรางวัลโดยอัตโนมัติทั้งการค้นหาพื้นที่
ซึ่งจะช่วยในการออกแบบอย่างสมบรูณ์แบบตัวจัดตารางเวลาหน่วยความจำ specifi  Ed สิ่งที่เราทำในกระดาษของเราคือการกำหนดให้มีพื้นฐานเฉพาะกิจโครงสร้างรางวัลในระหว่างการเลือกคุณสมบัติ(อ่าน=เขียน= 1 ส่วนที่เหลือ= 0 )แต่ยังคงใช้งานฟังก์ชันวัตถุประสงค์ที่เหมาะสมเมื่อการประเมินแอตทริบิวต์ของรัฐผู้ลงสมัครรับเลือกตั้งและใช้แอททริบิวของรัฐส่งผลให้ที่มารวมกันอยู่ในโครงสร้างของทรูมูฟที่รับรางวัล หนึ่งไม่สามารถตั้ง ครรภ์ iterating มากกว่าสองขั้นตอนต่อไปนี้เพื่อ refi  ทางด้านทิศตะวันออกเฉียงเหนือด้วยผลที่ได้รับอาจทำให้เกิดความเสียหายอย่างไรก็ตามสำหรับความเรียบง่ายเราไม่สำรวจนี้ในงานนี้.