SHIRITAS

用語集

オンポリシー

いま実際に使っている行動の選び方で集めた経験(データ)を、そのまま学習に使う方式。集め方と学び方が一致している。

たとえば: 普段の自分の運転の記録を見返して、運転を改善する感じ。

AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。

この言葉が出てくる記事