大橋 守: "マルコフ決定過程に対するQ-learningについて"数理解析研究所講究録「不確実性の下での意思決定の数理」. (印刷中). (2002)
大橋 守: "マルコフ決定過程に対するQ-learningについて"数理解析研究所講究録「不確実性の下での意思決定の数理」. (印刷中). (2002)
复制标题
Mamoru Ohashi：“关于马尔可夫决策过程的 Q-learning”数学科学研究所的研究记录“不确定性下的决策数学”（正在出版）（2002 年）。
DOI：
--
复制
发表时间：
--
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
