Prejsť na obsahScholarGate
KnižnicaMoja knižnicaStôlReview StudioAsistent
Prihlásiť sa
Policy Gradient/Dôkaz
Záznam dôkazov metódy

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

Zdrojový záznam

Citácie skopírované doslovne zo zdrojového záznamu metódy. Nevyplýva z nich žiadne overenie na úrovni tvrdenia.

Policy Gradient Methods (REINFORCE / Actor-Critic)
Taxonomický záznam metódy · 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
Otvoriť celú metódu

Spracované tvrdenia

Tvrdenia uložené v registri dôkazov, každé s vlastným hodnotením.

Zatiaľ žiadne spracované tvrdenia

Tento pohľad nevymýšľa hodnotenie tvrdenia, ak register žiadne nemá.

Súvisiace metódy

Vygenerované z grafu metód a zobrazené ako vzťahy navrhnuté strojom – nevyplýva z nich žiadne tvrdenie o dôkaze.

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.

Stav dôkazu

Sources recorded, not reviewed

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

Zdroje

2 zaznamenaných citácií, skopírovaných zo zdrojového záznamu metódy.

Akcie

Otvoriť stránku metódy
ScholarGate

Referenčná knižnica výskumných metód, v ktorej je obsah na prvom mieste — čo každá metóda je, ako funguje a odkiaľ pochádza.

Otvorené dáta (CC-BY)

Objavovať

  • Knižnica
  • Hľadať metódy…
  • Prehliadať podľa odborov
  • Odbory
  • Cesta
  • Porovnať
  • Ktorá metóda?

Referencie

  • Odbory
  • Atlas
  • Slovník pojmov
  • Metodológia
  • Filozofia

Pracovný priestor

  • Moja knižnica
  • Stôl
  • Chat

Spoločnosť

  • O knižnici
  • Cenník
  • Kontakt
  • Navrhnúť metódu

Záznamy sú zostavené z publikovaných zdrojov a slúžia na referenčné účely. Overenie správnosti a vhodnosti akýchkoľvek informácií pre vaše vlastné použitie zostáva vašou zodpovednosťou.

© 2026 ScholarGate · Referenčná knižnica výskumných metód
  • Súkromie
  • Súbory cookie
Podmienky
  • Odstrániť účet