確率近似
雑音を含む観測やサンプルにもとづいて、少しずつ推定値を調整しながら正しい値に近づける手法の総称。完全な情報がなくても段階的に学ぶ。
たとえば: 何回も体重計に乗ってブレをならし、だいたいの本当の体重をつかむ。
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
- 安全と性能を同時に扱う「統一的なBellman演算子」を提案する安全強化学習
安全クリティカル領域の強化学習で、性能最大化と安全制約の厳守を両立させるための統一的なBellman演算子を提案。joint value functionとして目的を統合し、二重時間スケールのTD学習の収束も示す。
