Séance de cours

Optimisation de la politique proximale pour un contrôle continu

Description

Cette séance de cours couvre l'optimisation des politiques proximales (PPO) pour un contrôle continu de l'apprentissage par renforcement profond. Il explique les défis de l'application des méthodes standard de gradient de politique et introduit l'idée de PPO pour aborder les questions de stabilité et d'efficacité de l'échantillon. La séance de cours explore le concept de maximisation d'une fonction d'objectif de substitution, en comparant les approches TRPO et PPO-CLIP. Il traite également des algorithmes Actor-Critic (A2C) pour améliorer la stabilité et l'efficacité de l'entraînement. L'instructeur souligne l'importance de mettre à jour les gradients de politique avec un taux d'apprentissage fixe pour assurer des progrès positifs. La séance de cours se termine par un résumé soulignant les avantages de l'utilisation d'objectifs de substitution dans les méthodes de gradient de politique.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.