Μάθημα : Ενισχυτική Μάθηση

Γεια σας,

1) οι εργασίες 5,6,7 έχουν προθεσμία υποβολής την 27η/1/2026. Ειδικά η 5η, που είναι αρκετά μεγάλη, θα μετρήσει ως bonus, και θα

δώσουμε κάποιες διευκρινίσεις στο επόμενο μάθημα.  

2) σε συνέχεια συζήτησης που είχαμε στο μάθημα, οι αλγόριθμοι των σελίδων 110 και 111 είναι σωστοί, ως έχουν, σε αντίθεση με ό,τι σας είχα πει. Ο λόγος της σύγχυσης είναι οτι ο συντελεστής importance sampling ratio πρέπει να ορισθεί διαφορετικά στην περίπτωση των state-action values, σε σχέση με τον ορισμό της σελίδας 104, που αφορά τα state values. Το είχες αναφέρει μάλιστα αυτό το σημείο κάποιος/α στο μάθημα (δεν θυμάμαι ποιος/α). Δείτε σχετικά μια σελίδα που έχω αναρτήσει με τον κατάλληλο (για αυτή την περίπτωση) ορισμό. Είναι το αρχείο 50a.pdf

Καλές γιορτές, 

Σταύρος Τουμπης