ポスターセッション1

16:40 〜 18:40学習

[P1-27] バンディット問題におけるSoftmax型満足化モデルのパラメータリカバリーとモデル比較

*大用 庫智¹、神谷 匠³、高橋 達二² (1. 関西学院大学、2. 東京電機大学、3. 東京音楽大学)

キーワード：

バンディット問題、強化学習、満足化、意思決定