Policy Gradient Methods

Proximal Policy Optimization (PPO)

خوارزمية تحسن السياسة عن طريق تقييد التحديثات لتبقى قريبة من السياسة السابقة، مستخدمة دالة هدف مقصوصة لضمان استقرار التعلم.

← رجوع