09 Reinforcement III

Aproximace minimalizující součet čtverců chyb (LSQ)

Učení aproximační Q-funkce

Diskuse k mid-term písemce (pokud budou dotazy)

tradiční kvíz, tentokrát na výpočet Q hodnot z trénovacích epizod pomocí metody časových diferencí

vysvětlení na příkladech

příklad I: aproximace metodou nejmenších čtverců

příklad II: aproximativní Q-learning

bez bodového hodnocení