تعریف
در یادگیری تقویتی، مقادیر پارامتر که تنظیمات فعلی محیطی را توصیف میکند، که عامل برای انتخاب یک عمل از آن استفاده میکند.
در یادگیری تقویتی، مقادیر پارامتر که تنظیمات فعلی محیطی را توصیف میکند، که عامل برای انتخاب یک عمل از آن استفاده میکند.
