dynamic decision processとは 意味・読み方・使い方

The first state transition probability and prescribed first reward are used to obtain a state value function V^π(s) on the basis of dynamic programming in a Markov decision process.例文帳に追加

第一状態遷移確率及び所定の第一報酬を用いて、マルコフ決定過程における動的計画法に基づき、状態価値関数Ｖ^π（ｓ）を求める。 - 特許庁

The second state transition probability and the second reward are used to obtain action value function Q^π(s, a) and the state value function V^π(s) on the basis of the dynamic programming in the Markov decision process.例文帳に追加

第二状態遷移確率及び第二報酬を用いて、マルコフ決定過程における動的計画法に基づき、行動価値関数Ｑ^π（ｓ，ａ）及び状態価値関数Ｖ^π（ｓ）を求める。 - 特許庁