Policy Gradient Methods

बेसलाइन फंक्शन

रिटर्न से घटाई गई फंक्शन जो बिना बायस पेश किए ग्रेडिएंट के अनुमान के वेरिएंस को कम करती है, आमतौर पर स्टेट वैल्यू फंक्शन।

← पीछे