Modellveröffentlichungen

OpenAI veröffentlicht den Reinforcement-Learning-Algorithmus Proximal Policy Optimization (PPO)

Originaltitel:Proximal Policy Optimization

KI-Zusammenfassung

OpenAI veröffentlicht eine neue Klasse von Reinforcement-Learning-Algorithmen namens Proximal Policy Optimization (PPO). Die Leistung ist vergleichbar mit oder besser als die damals modernster Verfahren, während Implementierung und Parameterabstimmung einfacher sind. Aufgrund der einfachen Nutzung und guten Ergebnisse ist PPO inzwischen der Standard-Reinforcement-Learning-Algorithmus bei OpenAI.

Kernpunkte

  • OpenAI veröffentlicht eine neue Klasse von Reinforcement-Learning-Algorithmen namens Proximal…
  • Die Leistung ist vergleichbar mit oder besser als die damals modernster Verfahren,während…
  • Aufgrund der einfachen Nutzung und guten Ergebnisse ist PPO inzwischen der…

Auf einen Blick

Veröffentlicht
Aktualisiert
Quelle
OpenAI:官网动态(RSS · 排除企业/客户案例)
Kategorie
Modellveröffentlichungen
KI-Bewertung
73
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

OpenAI 官方宣布 PPO 算法开源,并说明其成为内部默认强化学习算法的原因,可帮助读者了解该方法的定位。

Verwandte Entitäten

Quelle & Urheberrecht

Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.

Originalartikel · AIHOT-Eintrag

Zitierhinweis

Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.

Orange News: OpenAI veröffentlicht den Reinforcement-Learning-Algorithmus Proximal Policy Optimization (PPO). 20. Juli 2017. https://new.nat6.net/de/news/es4cpsqi6fmv9acuwvkj9372h/

Alle ansehen →