強化学習のノートの ToDo リスト

[Yagami360]

[18/12/23] チェック付き＝完了済み

• [ ] 概要の整理
• [x] バックアップ線図を横方向から縦方向へ修正（縦方向のほうが規模の大きい図を書きやすいため）
• [x] Sarsa のバックアップ線図を自作
• [x] Q学習のバックアップ線図を自作
• [x] 状態価値関数、行動価値関数の説明の修正
• [ ] モンテカルロ法の項目で、漸近式表現（α不変MC）での説明も追加
• [ ] TD学習での漸近式を導入するための平均値計算からの例の表現修正 → 他の内容と被らないように修正
• [ ] 参考文献のレビュー整理
• [ ] DQN以降のディープラーニングの構造を持った手法の説明を追加