Mechanizm przechowywania przejść do wielokrotnego uczenia off-policy; wersja priorytetowa częściej odtwarza bardziej pouczające doświadczenia.
A mechanism that stores transitions for repeated off-policy learning; prioritised replay samples more informative experiences more often.
Agent zapisuje swoje dawne próby i wielokrotnie się na nich uczy, częściej wracając do tych najbardziej pouczających.
An agent stores its past attempts and learns from them repeatedly, returning more often to the most instructive ones.
Każda próba w środowisku kosztuje, a uczenie tylko na najnowszych, podobnych do siebie chwilach jest niestabilne i marnotrawne.
Every trial in the environment costs something, and learning only from the latest, similar moments is unstable and wasteful.
Jak uczeń, który przegląda zeszyt błędów i najczęściej powtarza zadania, które najbardziej go zaskoczyły.
Like a student reviewing a mistakes notebook, most often redoing the problems that surprised them most.
Program uczący się gier wideo wraca do zapisanych chwil tuż przed utratą życia, bo z nich uczy się najwięcej.
A program learning video games revisits stored moments just before losing a life, because it learns most from them.