懲罰的日文

• 例えば，図３ではルールｘａとｙａは罰ルールであり，状態ｙは罰状態である．
  例如在图３中，规则ｘａ和ｙａ是惩罚规则，状态ｙ为惩罚状态。
• 例えば，図３ではルールｘａとｙａは罰ルールであり，状態ｙは罰状態である．
  例如在图３中，规则ｘａ和ｙａ是惩罚规则，状态ｙ为惩罚状态。
• 罰を回避するためには，まずルール集合の中から罰ルールを排除することが必要である．
  为了回避惩罚，首先必须要从规则集合中排出惩罚规则。
• 罰を回避するためには，まずルール集合の中から罰ルールを排除することが必要である．
  为了回避惩罚，首先必须要从规则集合中排出惩罚规则。
• 罰ルールが排除された後には，合理的政策をどのようにして形成するかが問題となる．
  在排出惩罚规则之后，如何形成合理性策略成为一个问题。
• 一般に強化学習の実行結果は，報酬および罰の設計方法に大きく依存する．
  一般来说，强化学习的实行结果，大大地依存于报酬及惩罚的设计方法。
• 以上を繰り返すことで，２次記憶領域に罰を回避する合理的政策が形成される．
  重复上述步骤，直到在２次记忆领域中形成回避惩罚的合理性策略。
• 選択可能なルールが罰ルールまたは非合理的ルールのみである状態を罰状態と呼ぶ．
  可以选择的规则只有惩罚规则或不合理规则的状态称为惩罚状态。
• 選択可能なルールが罰ルールまたは非合理的ルールのみである状態を罰状態と呼ぶ．
  可以选择的规则只有惩罚规则或不合理规则的状态称为惩罚状态。
• 罰回避政策形成アルゴリズムでは，環境探査戦略としてランダム選択を用いた．
  在惩罚回避策略的形成算法中，作为环境探查策略，采取了随机选择。