惩罚的日文

• 一連の行動に対して，環境から報酬または罰が与えられる．
  对这一系列的行动，环境将会给予报酬或是惩罚。
• 次回以降の計算時には，ペナルティの大きい割り当てを回避する．
  在下次之后的计算时，避免惩罚大的分配。
• この結果，マークが付与されたルールは罰ルールとなる．
  这样下来的结果是，被打上标记的规则为惩罚规则。
• 以後では報酬値が負の場合については，これを罰と呼ぶことにする．
  以下，把报酬值为负的情况称为惩罚。
• Ｐｕｂ値が０の場合のみ，そのルールは罰ルールではない．
  只有当Ｐｕｂ值为０时，该规则不是惩罚规则。
• これは，ペナルティーを回避する行動が獲得されていることを示している．
  这表面获得了回避惩罚的行为。
• エピソードごとに図５に示す罰ルール判定手続きを適用する．
  不同的段使用图５所示的惩罚规则判断步骤。
• そのため罰ルールの中でも，極力，罰状態に遷移しにくいルールを選ぶことが重要となる．
  因此在惩罚规则中，极力选择很难向惩罚状态转移的规则是很重要的。
• そのため罰ルールの中でも，極力，罰状態に遷移しにくいルールを選ぶことが重要となる．
  因此在惩罚规则中，极力选择很难向惩罚状态转移的规则是很重要的。
• この場合，そのような状態から報酬を得るためには，いくつかの罰ルールを選択する必要がある．
  此时，为了在这种状态下获得报酬，必须要选择几种惩罚规则。