G検定模擬試験第5回問31・機械学習の概要（強化学習）

ベルマン方程式

次の文章を読み、（　）に入る最も適切なものを1つ選べ。

強化学習の（　）は、ある状態の価値を、その場で得られる報酬と、次の状態の価値に割引率をかけた値の和として、再帰的に表す。

正解と解説を見る

正解：A

ベルマン方程式は、「今の価値＝その場の報酬＋割引した次の価値」と表す。Q学習やTD学習の土台になっている。

学習のポイント：割引率が0に近いと目先の報酬を、1に近いと将来の報酬を重視する。

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。