引き続き機械学習の勉強をしており，今は強化学習と和解中である．今回はBellman Equationについて具体的な例を考えることで和解を試みる．報酬が現在の状態のみで決まる場合()のBellman Equationは以下となる． 以下のような例題を考える． 赤か青かを3回言…