Aprendizado Por Reforço: TBL Aplicação dos Conhecimentos

Um Agente em Aprendizagem por Reforço decide quais ações tomar seguindo uma sequência predeterminada.

• Verdadeiro

• Falso

Conforme é previsto pela Cadeia de Markov, o próximo estado em que Mario vai estar apenas depende do estado atual dele.

• Verdadeiro

• Falso

Mario saberá quais as melhores Ações para se realizar em cada Estado ao receber uma Recompensa por ela. Recompensas nada mais são que números inteiros ou flutuantes, e o Agente sempre irá tentar coletar o máximo possível de Recompensa.

• Verdadeiro

• Falso

O propósito de uma Matriz de Transição na Aprendizagem por Reforço é calcular a probabilidade de transição de um estado para outro.

• Verdadeiro

• Falso

Um Processo de Decisão Markov (MDP) no contexto da Aprendizagem por Reforço é uma fórmula matemática para calcular probabilidades.

• Verdadeiro

• Falso