Uogólnianie funkcji wartości przez aproksymatory oraz niestabilność wynikająca z połączenia aproksymacji, bootstrappingu i uczenia off-policy.
Generalising value functions with approximators, and the instability arising from combining approximation, bootstrapping and off-policy learning.
Gdy oceny sytuacji liczy aproksymator, pewne połączenie sposobów uczenia może sprawić, że oceny wymkną się spod kontroli.
When an approximator computes situation scores, a certain mix of learning mechanisms can make those scores spiral out of control.
Agent uczący się skrótami bywa nieprzewidywalny: trening nagle się sypie, a powodu nie widać na pierwszy rzut oka.
An agent learning through shortcuts can be unpredictable: training suddenly collapses and the cause isn't obvious.
Wskazuje trzy składniki, które osobno pomagają, a razem mogą się wzajemnie napędzać jak sprzężenie mikrofonu z głośnikiem.
It names three ingredients that help on their own but together can feed each other like microphone feedback.
Podczas trenowania agenta do gier oceny ruchów nagle rosną do absurdalnych wartości, a wyniki gry spadają do zera.
While training a game agent, move scores suddenly climb to absurd values and game results drop to zero.