2020年10月29日

Proximal Policy Optimization Algorithms
摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ arXiv: Learning, (2017) Abstract 我们提出了一系列用于RL的策略梯度方法，该方法在通过环境交互进行数据采样与使用随机梯度上升优化"替代"目标函数之间交替进行。尽管标准策略梯度方法对每个数据样本执行一个梯度更 阅读全文
posted @ 2020-10-29 15:03 穷酸秀才大草包 阅读(998) 评论(0) 推荐(0)

导航