this repo has no description
Continue rapport
+10
-1
+10
-1
rapport/context.typ
+10
-1
rapport/context.typ
···
1
1
#import "@preview/fletcher:0.5.8": diagram, node, edge
2
2
3
-
#set terms(indent: 10pt)
3
+
#show terms: it => grid(
4
+
columns: 2, row-gutter: 1em, column-gutter: (15pt, 0pt), align: (left, left),
5
+
..it.children.map(item =>
6
+
(strong(item.term), item.description)
7
+
).flatten()
8
+
)
4
9
5
10
== Bases théoriques du _Reinforcement Learning_
6
11
···
93
98
94
99
95
100
=== Tendances à la "tricherie" des agents
101
+
102
+
Expérimentalement, on sait que des tendances "tricheuses" émergent facilement pendant l'entraînement: l'agent découvre des séries d'actions qui causent un bug avantageux vis à vis du coût associé, soit parce qu'il y a un bug dans le calcul de l'état de l'environnement post-action, soit parce que la fonction coût ne prend pas suffisemment bien en compte toutes les possibilités de l'environnement (autrement dit, il manque de contraintes).
103
+
104
+
Un exemple populaire est l'expérience de pensée du Maximiseur de trombones @trombones
96
105
97
106
98
107
rapport/main.pdf
rapport/main.pdf
This is a binary file and will not be displayed.