جدیدتر 5. algorithm refinement greedy policy
بازگشت به لیست
قدیمی تر 3. learning the state value function

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *