OpenAI lancar algoritma pembelajaran pengukuhan Proximal Policy Optimization (PPO)
Tajuk asal:Proximal Policy Optimization
Ringkasan AI
OpenAI melancarkan sejenis algoritma pembelajaran pengukuhan baharu, Proximal Policy Optimization (PPO), yang prestasinya setanding atau lebih baik daripada kaedah tercanggih ketika itu, sambil lebih mudah dilaksanakan dan ditala. Kerana mudah digunakan dan berprestasi baik, PPO telah menjadi algoritma pembelajaran pengukuhan lalai dalam OpenAI.
Maklumat penting
- OpenAI melancarkan sejenis algoritma pembelajaran pengukuhan baharu,Proximal Policy Optimization…
- sambil lebih mudah dilaksanakan dan ditala.
- Kerana mudah digunakan dan berprestasi baik,PPO telah menjadi algoritma pembelajaran pengukuhan…
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Kategori
- Pelancaran Model
- Skor AI
- 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。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: OpenAI lancar algoritma pembelajaran pengukuhan Proximal Policy Optimization (PPO). 20 Julai 2017. https://new.nat6.net/ms/news/es4cpsqi6fmv9acuwvkj9372h/