会员
周边
捐助
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
黄世宇@智谱AI,OpenRL Lab负责人,强化学习,LLM,通用人工智能
[
OpenRL
][
知乎
][
GitHub
][
Linkedin
]
如果你对人工智能前沿感兴趣,欢迎联系并加入我们!
博客园
首页
新随笔
联系
管理
2018年3月27日
Policy Gradient
摘要: Policy Gradient是区别于Q-Learning为代表的value based的方法。policy gradient又可以叫reinforce算法(Williams, 1992)。 如今的ACTOR-CRITIC也就是基于policy gradient。该方法不能制表,只能对policy进
阅读全文
posted @ 2018-03-27 00:49 Shiyu_Huang
阅读(539)
评论(0)
推荐(0)
编辑