Furthermore,the bias of the root va

Furthermore,
the bias of the root values, E[Q (s0,a) − Q ∗
(s0,a)], is O(log(n)/n), and the probability of selecting a suboptimal action,
Pr(argmaxa∈A Q (s0,a) = argmaxa∈A Q ∗
(s0,a)), converges to zero at a polynomial rate.

Kết quả (Việt) 1:

Hơn nữa,xu hướng giá trị gốc, E [Q (s0, một) − Q ∗(S0,a)], là O(log(n)/n), và khả năng của việc lựa chọn một hành động suboptimal,Quan hệ công chúng (argmaxa∈A Q (s0, một) = argmaxa∈A Q ∗(S0,a)), hội tụ về không ở một tỷ lệ đa thức.

Kết quả (Việt) 2:

Hơn nữa,
sự thiên vị của các giá trị gốc, E [Q (s0, a) - Q *
(s0, a)], là O (log (n) / n), và xác suất của việc lựa chọn một hành động tối ưu,
Pr (argmaxa ∈AQ (s0, a) = argmaxa∈AQ *
(s0, a)), hội tụ bằng không tại một tỷ lệ đa thức.