| layout | word | translation |
|---|---|---|
word |
Bellman Equation |
معادله بلمن |
در یادگیری تقویتی (reinforcement learning) اتحاد زیر به وسیله تابع Q زیر بهینه می‌شود.
یادگیری تقویتی با اعمال این اتحاد به یادگیری Q با قاعده به‌روزرسانی زیر منجر می‌شود:
معادله بلمن علاوه بر یادگیری تقویتی کاربردهایی در برنامه‌نویسی پویا نیز دارد.
اطلاعات بیشتر: معادله بلمن در ویکی‌پدیا