Глубокий Детерминированный Градиент Политики (DDPG)

Обучение вне стратегии (Off-Policy Learning)

Метод обучения, при котором агент изучает оптимальную политику, следуя другой политике поведения, что позволяет обеспечить лучшее исследование.

← Назад