فهرست مطالب:
معرفی یادگیری تقویتی
برنامه نویسی پویا
اجزا یک سیستم یادگیری تقویتی
محیط
تابع پاداش
تابع مقدار
Q-Learning
معرفی
الگوریتم یادگیری
مثالی از یک عامل
مثالی از برج هانوی
اثبات همگرایی
یادگیری Q برای MDP غیرقطعی
روش های مونت کارلو در یادگیری تقویتی
ویژگیها
سیاست first visit MC
کنترل مونت کارلو
همگرایی مونت کارلو
on line policy و off linepolicy
منابع
جهت دانلود اینجا کلیک کنید
دانلود بازی استراتژیک ساحل بوم Android Boom Beach 37.76 – اندرویدعنوانم
آزمون های تاپ ناچ top notch complete assessment test
دانلود گلچین نوحه و مداحی محرم با نوای سیدمهدی میرداماد
مدل دکوراسیون دیوار پشت تلوزیون شیک و زیبا
کیسه نگهدارنده پوشاک ظریف مش درایر بگ Mesh Dryer Bag
دستگاه کوچک کننده شکم آب شارک ab shark 
آموزش زبان انگلیسی در 90 روز:اورجینال