Questão 8/10 - Reinforcement Learning “Algoritmos de TD permitem uma aproximação mais genérica do problema de aprendizagem em ambientes mutáveis. E...

Questão 8/10 - Reinforcement Learning “Algoritmos de TD permitem uma aproximação mais genérica do problema de aprendizagem em ambientes mutáveis. Em TD a função de valor V(s) é calculada diretamente a partir do erro de previsões anteriores, livre de modelo, como em Monte Carlo, de forma completamente incremental mas sem a restrição do processo a primeira ordem da cadeia de Marcov. Aula 4 - tema 3 Considerando o exposto acima e nossos estudos sobre diferença temporal, podemos afirmar: A TD busca a previsão da ação baseada na análise da cadeia de Markov de primeira ordem segundo a qual o futuro depende apenas do presente o que impede, em TD levarmos em conta predições temporais já feitas. B Mesmo em processos marcovianos de primeira ordem o uso de TD é convergente e ao menos igualmente eficiente que outros métodos de aprendizagem C O método de de diferença temporal passa pela análise dos erros das predições anteriores, ao qual denominaremos derivada parcial do erro em relação ao peso por diferença temporal, ou DPETD. D O erro por diferença temporal é o fator que ajustará o valor do estado em função das multivariáveis do espaço estocástico, mas não das ocorrências anteriores que poderiam contribuir para o próximo estado, por este motivo foi abandonado e substituído pelas CNNs. E Todas estão corretas