モデル公開

OpenAI、強化学習アルゴリズム Proximal Policy Optimization (PPO) を発表

原題:Proximal Policy Optimization

AI 要約

OpenAI は新たな強化学習アルゴリズム Proximal Policy Optimization(PPO)を発表した。当時の最先端手法と同等以上の性能を持ちながら、実装とハイパーパラメータ調整がより簡単である。使いやすく良好な性能を示すため、PPO は OpenAI 内部のデフォルトの強化学習アルゴリズムとなっている。

要点

  • OpenAI は新たな強化学習アルゴリズム Proximal Policy Optimization(PPO)を発表した。
  • 当時の最先端手法と同等以上の性能を持ちながら、実装とハイパーパラメータ調整がより簡単である。
  • 使いやすく良好な性能を示すため、PPO は OpenAI 内部のデフォルトの強化学習アルゴリズムとなっている

概要

公開日時
更新日時
出典
OpenAI:官网动态(RSS · 排除企业/客户案例)
カテゴリ
モデル公開
AI スコア
73
原文を読む 情報源で全文を読む
おすすめの理由

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。

関連エンティティ

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:OpenAI、強化学習アルゴリズム Proximal Policy Optimization (PPO) を発表。2017年7月20日。https://new.nat6.net/ja/news/es4cpsqi6fmv9acuwvkj9372h/

すべて見る →