پرش به محتواScholarGate
کتابخانهکتابخانهٔ منمیزReview Studioدستیار
ورود
Policy Gradient/مدرک
سوابق شواهد روش

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

سوابق منبع

استنادات عیناً از سوابق منبع روش کپی شده‌اند. هیچ تأیید در سطح ادعا از آن‌ها استنباط نمی‌شود.

Policy Gradient Methods (REINFORCE / Actor-Critic)
سوابق روش طبقه‌بندی · 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
باز کردن روش کامل

ادعاهای گزینش‌شده

ادعاها در دفتر ثبت شواهد ذخیره شده‌اند، هر کدام با ارزیابی خاص خود.

هنوز ادعای گزینش‌شده‌ای وجود ندارد

این نما در صورت عدم وجود ارزیابی ادعا در دفتر ثبت، ادعایی ابداع نمی‌کند.

روش‌های مرتبط

از گراف روش تولید شده و به عنوان روابط پیشنهادی ماشین نمایش داده می‌شود — هیچ ادعای مدرکی استنباط نمی‌شود.

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.

وضعیت مدرک

Sources recorded, not reviewed

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

منابع

2 استناد ثبت‌شده، کپی‌شده از سوابق منبع روش.

اقدامات

باز کردن صفحه روش
ScholarGate

کتابخانه‌ای مرجع و محتوامحور برای روش‌های پژوهش — هر روش چیست، چگونه کار می‌کند و از کجا آمده است.

دادهٔ باز (CC-BY)

کاوش

  • کتابخانه
  • جست‌وجوی روش‌ها…
  • مرور بر اساس حوزه
  • حوزه‌ها
  • مسیر پژوهش
  • مقایسه
  • کدام روش؟

مرجع

  • موضوعات
  • اطلس
  • واژه‌نامه
  • روش‌شناسی
  • فلسفه

فضای کاری

  • کتابخانهٔ من
  • میز
  • گفتگو

شرکت

  • درباره
  • قیمت‌گذاری
  • تماس
  • پیشنهاد روش

مدخل‌ها برای ارجاع از منابع منتشرشده گردآوری شده‌اند. راستی‌آزمایی درستی و مناسب‌بودن هر اطلاعاتی برای استفادهٔ شما، بر عهدهٔ خودتان است.

© 2026 ScholarGate · کتابخانهٔ مرجع روش‌های پژوهش
  • حریم خصوصی
  • کوکی‌ها
  • شرایط استفاده
  • حذف حساب