Séance de cours
Méthodes de dégradé de politique: exemple dacteur binaire
Description
Cette séance de cours présente les méthodes de gradient de politique en utilisant un exemple simple d'un seul neurone avec sortie binaire, en se concentrant sur les inconvénients de Q-learning, SARSA et TD-learning, et en expliquant l'idée de base des méthodes de gradient de politique pour optimiser directement les récompenses.
Source officielle
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.