Séance de cours
Apprentissage par renforcement profond: fonction de gradient et de valeur de la politique
Description
Cette séance de cours couvre la mise en œuvre de l'algorithme REINFORCE avec une ligne de base utilisant un réseau de neurones avec une architecture acteur-critique. Il explique comment mettre à jour les paramètres de politique pour maximiser le rendement, calculer les gradients, soustraire une ligne de base de récompense et apprendre deux réseaux neuronaux pour les actions et les fonctions de valeur.
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.