Policy Gradient Methods

পলিসি গ্রেডিয়েন্ট থিওরেম

মৌলিক উপপাদ্য যা নীতির পরামিতিগুলির সাপেক্ষে প্রত্যাশিত রিটার্নের গ্রেডিয়েন্টের একটি বিশ্লেষণাত্মক অভিব্যক্তি প্রদান করে, যা পলিসি গ্রেডিয়েন্ট পদ্ধতিগুলির তাত্ত্বিক ভিত্তি তৈরি করে।

← ফিরে যান