「TD学習」タグの記事一覧

2025/11/30

Sarsa による行動価値関数の学習 ー ベルマン方程式から TD 誤差まで

行動価値関数のベルマン方程式を期待値の形で捉え直し、TD誤差の導入から Sarsa による on-policy な価値学習までを丁寧に解説します。

• 強化学習
• # Sarsa
• # TD学習
• # 価値ベース
• # ベルマン方程式