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
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.
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/