ข้ามไปยังเนื้อหาScholarGate
ห้องสมุดห้องสมุดของฉันโต๊ะReview Studioผู้ช่วย
เข้าสู่ระบบ
Policy Gradient/หลักฐาน
ระเบียนหลักฐานวิธีดำเนินการ

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

ระเบียนต้นฉบับ

การอ้างอิงถูกคัดลอกตามต้นฉบับจากระเบียนต้นฉบับของวิธีดำเนินการ ไม่มีการอ้างสิทธิ์ในระดับการตรวจสอบใด ๆ ที่อนุมานได้จากสิ่งเหล่านี้

Policy Gradient Methods (REINFORCE / Actor-Critic)
ระเบียนวิธีดำเนินการตามอนุกรมวิธาน · 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
เปิดวิธีดำเนินการฉบับเต็ม

ข้อเรียกร้องที่ดูแลจัดการ

ข้อเรียกร้องถูกจัดเก็บไว้ในบัญชีแยกประเภทหลักฐาน โดยแต่ละรายการมีชุดการประเมินของตนเอง

ยังไม่มีข้อเรียกร้องที่ดูแลจัดการ

มุมมองนี้ไม่ได้สร้างการประเมินข้อเรียกร้องขึ้นมาเมื่อบัญชีแยกประเภทไม่มี

วิธีดำเนินการที่เกี่ยวข้อง

สร้างจากกราฟวิธีดำเนินการและแสดงเป็นความสัมพันธ์ที่แนะนำโดยเครื่องจักร — ไม่มีการอ้างสิทธิ์หลักฐานใด ๆ ที่อนุมานได้

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.

สถานะหลักฐาน

Sources recorded, not reviewed

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

แหล่งที่มา

2 การอ้างอิงที่บันทึกไว้ คัดลอกมาจากระเบียนต้นฉบับของวิธีดำเนินการ

การดำเนินการ

เปิดหน้าวิธีดำเนินการ
ScholarGate

ห้องสมุดอ้างอิงด้านวิธีวิจัยที่ยึดเนื้อหาเป็นหลัก — แต่ละวิธีคืออะไร ทำงานอย่างไร และมีที่มาจากไหน

ข้อมูลเปิด (CC-BY)

สำรวจ

  • ห้องสมุด
  • ค้นหาวิธี…
  • เรียกดูตามสาขา
  • สาขาวิชา
  • เส้นทาง
  • เปรียบเทียบ
  • ควรใช้วิธีใด?

ข้อมูลอ้างอิง

  • สาขาวิชา
  • แผนที่
  • อภิธานศัพท์
  • ระเบียบวิธี
  • ปรัชญา

พื้นที่ทำงาน

  • ห้องสมุดของฉัน
  • โต๊ะ
  • แชท

บริษัท

  • เกี่ยวกับ
  • ราคา
  • ติดต่อ
  • เสนอวิธีใหม่

รายการต่าง ๆ รวบรวมจากแหล่งข้อมูลที่ตีพิมพ์แล้วเพื่อใช้อ้างอิง การตรวจสอบความถูกต้องและความเหมาะสมของข้อมูลใด ๆ สำหรับการใช้งานของท่านเองยังคงเป็นความรับผิดชอบของท่าน

© 2026 ScholarGate · ห้องสมุดอ้างอิงด้านวิธีวิจัย
  • ความเป็นส่วนตัว
  • คุกกี้
  • ข้อกำหนด
ลบบัญชี