day4 数式について

[sirogamichandayo]

指摘事項

誤植を発見したので、報告します。また、当方は初学者なため誤植でないときは理由を教えていただけば幸いです。

4.4の最後、Policy Gradientに使用する「価値」についてActor Criticを取り上げていますが、そこで以下のような数式が取り上げられています。

このnablaのあとにあるthetaは間違いではないでしょうか。

指摘箇所

• [ ] Day1: 強化学習の位置づけを知る
• [ ] Day2: 強化学習の解法(1): 環境から計画を立てる
• [ ] Day3: 強化学習の解法(2): 経験から計画を立てる
• [x] Day4: 強化学習に対するニューラルネットワークの適用
• [ ] Day5: 強化学習の弱点
• [ ] Day6: 強化学習の弱点を克服するための手法
• [ ] Day7: 強化学習の活用領域

ページ番号: p

実行環境

• OS:
• Python version:
• pip freezeの実行結果 (下に添付)

エラー内容

(例外のメッセージ、ログ、画面ショットなどを添付)

[sirogamichandayo]

自分がnablaの使い方がわかってないだけでした。失礼しました。