অ্যাক্টর-ক্রিটিক পদ্ধতি

অভিনেতা-সমালোচক

একটি শক্তিশালী শেখার আর্কিটেকচার যা একটি স্টোকাস্টিক নীতি শেখার জন্য একটি অভিনেতা নেটওয়ার্ক এবং নীতি গ্রেডিয়েন্টের ভ্যারিয়েন্স কমানোর জন্য একটি মান ফাংশন অনুমানকারী সমালোচক নেটওয়ার্ককে একত্রিত করে।

← ফিরে যান