G検定｜行動後すぐでなく後日の報酬まで含めて選びたい

ANSWER & EXPLANATION

正解：B

将来の報酬を重み付けして合計した値です。観測と行動の関係を目的に合わせて選びます。

選択肢のポイント

• A探索と活用の両立は新しい行動の試行と既知の良策を使う調整です。この設問で求めるものとは異なります。
• B正解です。将来の報酬を重み付けして合計した値です。
• C疎な報酬の問題は有益な結果が少なく学習信号が不足することです。この設問で求めるものとは異なります。
• D意味的セグメンテーションは画素ごとにカテゴリを割り当てる課題です。この設問で求めるものとは異なります。

関連キーワード

• 割引累積報酬
• 視覚と強化学習

参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲 / 確認日：2026年9月29日