Metody gradientu polityki
Metody gradientu polityki to algorytmy uczenia ze wzmocnieniem, które optymalizują sparametryzowaną politykę bezpośrednio poprzez wznoszenie gradientowe względem oczekiwanego zwrotu, zamiast uczyć się wartości akcji i działać zachłannie. Oparte na algorytmie REINFORCE Ronalda Williamsa z 1992 roku i twierdzeniu o gradiencie polityki Suttona i współpracowników (2000), naturalnie obsługują stochastyczne i ciągłe przestrzenie akcji oraz stanowią podstawę nowoczesnych algorytmów typu aktor-krytyk i głębokiego uczenia ze wzmocnieniem.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Policy Gradient Methods (REINFORCE / Actor-Critic). ScholarGate. https://scholargate.app/pl/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.
- Optymalizacja wypukłaOptymalizacja↔ compare
- Głębokie uczenie ze wzmocnieniemUczenie głębokie↔ compare
- Uczenie QUczenie maszynowe↔ compare
- Stochastyczne spuszczanie gradientu (SGD)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →