Gå til innholdScholarGate
BibliotekMitt bibliotekPultenReview StudioAssistent
Logg inn
Policy Gradient/Bevis
Metodebevisregister

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

Kilderegister

Siteringer kopiert ordrett fra metodens kilderegister. Ingen påstandsnivåverifisering er underforstått fra dem.

Policy Gradient Methods (REINFORCE / Actor-Critic)
Taksonomisk metoderegister · 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
Åpne full metode

Kuraterte påstander

Påstander lagret i bevishovedboken, hver med sin egen vurdering.

Ingen kuraterte påstander ennå

Denne visningen finner ikke opp en påstandsvurdering når hovedboken ikke har noen.

Relaterte metoder

Generert fra metodegrafen og vist som maskinforslåtte relasjoner – ingen bevispåstand er underforstått.

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.

Bevisstatus

Sources recorded, not reviewed

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

Kilder

2 registrerte siteringer, kopiert fra metodens kilderegister.

Handlinger

Åpne metodeside
ScholarGate

Et innholdsfokusert oppslagsbibliotek for forskningsmetoder — hva hver metode er, hvordan den fungerer, og hvor den kommer fra.

Åpne data (CC-BY)

Oppdag

  • Bibliotek
  • Søk i metoder…
  • Bla etter fagfelt
  • Fagfelt
  • Reise
  • Sammenlign
  • Hvilken metode?

Referanse

  • Fagområder
  • Atlas
  • Ordliste
  • Metodikk
  • Filosofi

Arbeidsområde

  • Mitt bibliotek
  • Pulten
  • Chat

Selskap

  • Om
  • Priser
  • Kontakt
  • Foreslå en metode

Oppføringene er sammenstilt fra publiserte kilder til referansebruk. Å kontrollere at informasjonen er korrekt og egnet for ditt eget bruk, er fremdeles ditt eget ansvar.

© 2026 ScholarGate · Et oppslagsbibliotek for forskningsmetoder
  • Personvern
  • Informasjonskapsler
  • Vilkår
  • Slett konto