Hoppa till innehållScholarGate
BibliotekMitt bibliotekSkrivbordReview StudioAssistent
Logga in
Policy Gradient/Bevis
Metodbevispost

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

Källpost

Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.

Policy Gradient Methods (REINFORCE / Actor-Critic)
Taxonomisk metodpost · 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
Öppna fullständig metod

Kuraterade påståenden

Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.

Inga kuraterade påståenden ännu

Denna vy hittar inte på en påståendebedömning när loggen saknar en.

Relaterade metoder

Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.

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.

Källor

2 registrerade citat, kopierade från metodens källpost.

Åtgärder

Öppna metodens sida
ScholarGate

Ett innehållsdrivet referensbibliotek för forskningsmetoder — vad varje metod är, hur den fungerar och varifrån den kommer.

Öppna data (CC-BY)

Upptäck

  • Bibliotek
  • Sök metoder…
  • Bläddra efter ämnesområde
  • Ämnesområden
  • Resa
  • Jämför
  • Vilken metod?

Referens

  • Ämnen
  • Atlas
  • Ordlista
  • Metodik
  • Filosofi

Arbetsyta

  • Mitt bibliotek
  • Skrivbord
  • Chatt

Företag

  • Om oss
  • Priser
  • Kontakt
  • Föreslå en metod

Posterna är sammanställda från publicerade källor för referensändamål. Att verifiera att informationen är korrekt och lämplig för din egen användning är ditt eget ansvar.

© 2026 ScholarGate · Ett referensbibliotek för forskningsmetoder
  • Integritet
  • Kakor
  • Villkor
  • Radera konto