Kaedah Gradien Dasar
Kaedah gradien dasar ialah algoritma pembelajaran pengukuhan yang mengoptimumkan dasar berparameter secara langsung melalui pendakian kecerunan pada pulangan jangkamasa, berbanding mempelajari nilai tindakan dan bertindak secara tamak. Diasaskan pada algoritma REINFORCE Ronald Williams tahun 1992 dan teorem gradien dasar Sutton dan rakan-rakan (2000), ia secara semula jadi mengendalikan ruang tindakan stokastik dan berterusan serta mendasari algoritma pelakon-pengkritik moden dan pembelajaran pengukuhan mendalam.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). Policy Gradient Methods (REINFORCE / Actor-Critic). ScholarGate. https://scholargate.app/ms/machine-learning/policy-gradient
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Optimisasi KonveksPengoptimuman↔ compare
- Pembelajaran Penguatan Dalam (Deep Reinforcement Learning)Pembelajaran Mendalam↔ compare
- Pembelajaran-QPembelajaran Mesin↔ compare
- Stochastic Gradient Descent (SGD)Pembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →