Yapay ZekâÖnerilenAIML-RL-008
Policy Optimization
Gradients through expected return: the REINFORCE idea and what it climbs.
Bu konunun henüz Türkçe çevirisi yok, bu yüzden İngilizce gösteriliyor.
- Zorluk
- 3 / 5
- Önem
- 4 / 5
- Çalışma süresi
- 1–2 sa
- Çalışma türü
- Karma
Neden önemli
The learner can narrate one policy-gradient step as upweighting actions from good episodes.