收益的日文

• この時，式（１）を満たす強化関数が報酬プランを学習することが証明されている．
  这时就证明满足公式（１）的强化函数将学习收益计划。
• 報酬関数＠ｅｑｕａｔｉｏｎ＿０＠は環境からの報酬をモデル化する．
  收益函数＠ｅｑｕａｔｉｏｎ＿０＠为从环境中获得的收益的模型化。
• 報酬関数＠ｅｑｕａｔｉｏｎ＿０＠は環境からの報酬をモデル化する．
  收益函数＠ｅｑｕａｔｉｏｎ＿０＠为从环境中获得的收益的模型化。
• 目標状態Ｇへの遷移により，報酬Ｒ＝１０を獲得し，開始状態Ｓに戻る．
  通过向目标状态Ｇ的过渡，获得收益Ｒ＝１０，恢复到开始状态Ｓ。
• 状態遷移に伴い，エージェントは報酬＠ｅｑｕａｔｉｏｎ＿０＠を受け取る．
  随着状态的过渡，代理人接收收益＠ｅｑｕａｔｉｏｎ＿０＠。
• また，報酬が複数ある場合も，同様に，経験への固執問題が生じる．
  另外，当有多个收益时同样也会产生对经验的固执问题。
• 強化学習の目的は，最終的に受け取る総報酬量を最大化することである．
  强化学习的目的就是使最终得到的总收益量最大化。
• 戦略ケース（２），（３），（４）の場合の利益を算出した。
  这里计算出了战略案例（２）、（３）、（４）情况下的收益。
• ＶＦ　＠ｅｑｕａｔｉｏｎ＿０＠ここで，ｇはスカラゲインである．
  ＶＦ　＠ｅｑｕａｔｉｏｎ＿０＠这里，ｇ是标量收益。
• この利得には，前章で求めた各エネルギー事業者の余剰を用いるものとする。
  该收益采用了上章中算出的各能源企业的剩余。