Soustraire la récompense moyenne via la fonction valeur

Cette séance de cours explique l'importance de soustraire la récompense moyenne dans les méthodes de gradient de politique pour l'apprentissage par renforcement profond. Il couvre des sujets tels que l'astuce log-vraisemblance, les règles de gradient en ligne pour les horizons en une étape et en plusieurs étapes, les fonctions de valeur d'apprentissage et l'utilisation des lignes de base. L'instructeur discute également de l'algorithme REINFORCE avec une ligne de base, de la réduction de la variance obtenue en soustrayant la moyenne et des perspectives d'apprentissage par renforcement profond avec les réseaux alpha-zéro.