Vés al contingutScholarGate
BibliotecaLa meva bibliotecaEscriptoriReview StudioAssistent
Inicia la sessió
Policy Gradient/Evidència
Registre d'evidència del mètode

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

Registre font

Les citacions es copien textualment del registre font del mètode. No s'infereix cap verificació a nivell de reclam d'elles.

Policy Gradient Methods (REINFORCE / Actor-Critic)
Registre de mètode taxonòmic · 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
Obre el mètode complet

Reclamacions curades

Les reclamacions s'han persistit al registre de proves, cadascuna amb la seva pròpia avaluació.

Encara no hi ha reclamacions curades

Aquesta vista no inventa una avaluació de reclam quan el registre no en té cap.

Mètodes relacionats

Generat a partir del gràfic de mètodes i mostrat com a relacions suggerides per la màquina; no s'infereix cap reclamació d'evidència.

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.

Estat de l'evidència

Sources recorded, not reviewed

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

Fonts

2 citacions registrades, copiades del registre font del mètode.

Accions

Obre la pàgina del mètode
ScholarGate

Una biblioteca de referència centrada en el contingut sobre mètodes de recerca: què és cadascun, com funciona i d'on prové.

Dades obertes (CC-BY)

Descobreix

  • Biblioteca
  • Cerca mètodes…
  • Explora per camp
  • Camps
  • Itinerari
  • Compara
  • Quin mètode?

Referència

  • Matèries
  • Atles
  • Glossari
  • Metodologia
  • Filosofia

Espai de treball

  • La meva biblioteca
  • Escriptori
  • Xat

Empresa

  • Quant a
  • Preus
  • Contacte
  • Suggereix un mètode

Les entrades es recopilen a partir de fonts publicades amb finalitat de referència. Verificar l'exactitud i la idoneïtat de qualsevol informació per al vostre propi ús és responsabilitat vostra.

© 2026 ScholarGate · Biblioteca de referència de mètodes de recerca
  • Privadesa
  • Galetes
  • Condicions
  • Suprimeix el compte