Към съдържаниетоScholarGate
БиблиотекаМоята библиотекаБюроReview StudioАсистент
Вход
Policy Gradient/Доказателство
Запис на доказателства за метод

Policy Gradient

Policy gradient methods are reinforcement-learning algorithms that optimize a parameterized policy directly by gradient ascent on the expected return, rather than learning action-values and acting greedily. Founded on Ronald Williams' 1992 REINFORCE algorithm and the policy gradient theorem of Sutton and colleagues (2000), they naturally handle stochastic and continuous action spaces and underpin modern actor-critic and deep-RL algorithms.

Sources recorded, not reviewed

Изходен запис

Цитиранията са копирани дословно от изходния запис на метода. Те не предполагат проверка на ниво твърдение.

Policy Gradient Methods (REINFORCE / Actor-Critic)
Таксономичен запис на метод · ml-model / machine-learning
  • Williams, R. J. (1992). Simple statistical gradient-following algorithms for connectionist reinforcement learning. Machine Learning, 8(3–4), 229–256. · DOI 10.1007/BF00992696
  • Sutton, R. S., McAllester, D., Singh, S., & Mansour, Y. (2000). Policy gradient methods for reinforcement learning with function approximation. Advances in Neural Information Processing Systems, 12, 1057–1063. · URL
Отвори пълен метод

Подбрани твърдения

Твърденията са запазени в регистъра на доказателствата, всяко със собствена оценка.

Все още няма подбрани твърдения

Този изглед не измисля оценка на твърдение, когато регистърът няма такава.

Свързани методи

Генерирани от графа на методите и показани като предложени от машината връзки — не се предполага твърдение за доказателство.

See alsoConvex Optimizationmachine-suggested · Relational suggestion, not evidence.Same method familyDeep Reinforcement Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketQ-Learningmachine-suggested · Relational suggestion, not evidence.Same method familyStochastic Gradient Descentmachine-suggested · Relational suggestion, not evidence.

Статус на доказателството

Sources recorded, not reviewed

Bibliographic sources are present. Claim-level evidence review has not been performed.

Източници

2 записани цитата, копирани от изходния запис на метода.

Действия

Отвори страницата на метода
ScholarGate

Справочна библиотека за изследователски методи, в която съдържанието е на първо място — какво представлява всеки метод, как работи и откъде произхожда.

Отворени данни (CC-BY)

Открийте

  • Библиотека
  • Търсене на методи…
  • Преглед по области
  • Области
  • Път
  • Сравни
  • Кой метод?

Справка

  • Предмети
  • Атлас
  • Речник
  • Методология
  • Философия

Работно пространство

  • Моята библиотека
  • Бюро
  • Чат

Компания

  • За нас
  • Цени
  • Контакт
  • Предложете метод

Записите са съставени от публикувани източници с информационна цел. Проверката на точността и пригодността на всяка информация за вашите собствени нужди остава ваша отговорност.

© 2026 ScholarGate · Справочна библиотека за изследователски методи
  • Поверителност
  • Бисквитки
  • Условия
  • Изтриване на акаунта