問題番号: No.3720 (しっかりモード)

ディープラーニングを用いた強化学習において、エージェントが環境と相互作用して得た一連の経験（状態、行動、報酬、次の状態）をバッファに蓄積し、その中からデータをランダムに抽出して学習データとすることで、データ間の時間的相関を軽減する技術の名称として、最も適切なものを選択せよ。