「報酬予測」の版間の差分

　強化学習では、実際に得られた報酬量と予期された報酬量の差分である「報酬予測誤差（reward prediction error）」を学習信号として、今までの予期報酬を新たな予期報酬へと更新する：

同様の学習則は、心理学の分野でレスコーラ-ワグナーの学習則と呼ばれている。