Preferential Proximal Policy Optimization

The Proximal Policy Optimization (PPO) is a policy gradient approach providing state-of-the-art performance in many domains through the "surrogate" objective function using stochastic gradient ascent. While PPO is an appealing approach in reinforcement learning, it does not consider the im...

Celý popis

Uložené v:
Podrobná bibliografia
Vydané v:Proceedings (IEEE International Conference on Emerging Technologies and Factory Automation) s. 293 - 300
Hlavní autori: Balasuntharam, Tamilselvan, Davoudi, Heidar, Ebrahimi, Mehran
Médium: Konferenčný príspevok..
Jazyk:English
Vydavateľské údaje: IEEE 15.12.2023
Predmet:
ISSN:1946-0759
On-line prístup:Získať plný text
Tagy: Pridať tag
Žiadne tagy, Buďte prvý, kto otaguje tento záznam!
Buďte prvý, kto okomentuje tento záznam!
Najprv sa musíte prihlásiť.