OpenAI, inilabas ang reinforcement learning algorithm na Proximal Policy Optimization (PPO)
Orihinal na pamagat:Proximal Policy Optimization
AI summary
Naglabas ang OpenAI ng bagong uri ng reinforcement learning algorithm na Proximal Policy Optimization (PPO), na may performance na katumbas o mas mahusay kaysa sa pinakamahusay na pamamaraan noon, habang mas simple ang implementasyon at pag-tune ng parameter. Dahil madaling gamitin at mahusay ang pagganap, naging default na reinforcement learning algorithm na ito sa loob ng OpenAI.
Mahahalagang impormasyon
- Naglabas ang OpenAI ng bagong uri ng reinforcement learning algorithm na Proximal Policy…
- habang mas simple ang implementasyon at pag-tune ng parameter.
- Dahil madaling gamitin at mahusay ang pagganap,naging default na reinforcement learning algorithm…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Kategorya
- Paglabas ng modelo
- AI na marka
- 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。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: OpenAI, inilabas ang reinforcement learning algorithm na Proximal Policy Optimization (PPO). 20 Hulyo 2017. https://new.nat6.net/fil/news/es4cpsqi6fmv9acuwvkj9372h/