「マッチング法則」の版間の差分

マッチング法則 (ソースを閲覧)

サイズ変更なし、 2012年4月11日 (水)

細

編集の要約なし

14

回編集

@@ 129行目: / 129行目: @@
 この置換には次の条件を用いている。
-<math> E\Big[r_{t+\tau}|s_{t+1},a_{t}\Big] = E\Big[r_{t+\tau}|s_{t+1}\Big]</math>
+<math> E\Big[r_{t+\tau}|s_{t+1}=s,a_{t}=a\Big] = E\Big[r_{t+\tau}|s_{t+1}=s\Big],
+E\Big[r_{t+\tau}|s_{t+1}=s,s_{t}=s'\Big] = E\Big[r_{t+\tau}|s_{t+1}=s\Big]</math>
-<math> E\Big[r_{t+\tau}|s_{t+1},s_{t}\Big] = E\Big[r_{t+\tau}|s_{t+1}\Big]</math>
 これらの条件は、１ステップ先の状態<math>s_{t+1}</math>がそれ以降に得られる報酬に対して、十分な情報をもっており、直前に行った反応や状態に依存しないことを意味する。