« Méthode du gradient de politique » : différence entre les versions
(Page créée avec « ==Définition== En apprentissage par renforcement la méthode à gradient de politique permet de prévoir la meilleure action à accomplir par un agent dans un état donné de l'environnement. == Compléments == Alors que l’apprentissage par fonction Q vise à prévoir la valeur de la récompense ou la punition d’une action entreprise par un agent dans un certain état, la méthode à gradient de politique prédit directement l’action elle-même.... ») |
m (Claude COULOMBE a déplacé la page Policy gradient vers Méthode à gradient de politique) |
(Aucune différence)
| |
Version du 25 avril 2025 à 00:47
Définition
En apprentissage par renforcement la méthode à gradient de politique permet de prévoir la meilleure action à accomplir par un agent dans un état donné de l'environnement.
Compléments
Alors que l’apprentissage par fonction Q vise à prévoir la valeur de la récompense ou la punition d’une action entreprise par un agent dans un certain état, la méthode à gradient de politique prédit directement l’action elle-même.
Français
méthode à gradient de politique
Anglais
policy gradient
Sources
[https://hal.science/hal-04115352/document Rapport du LISIC, Franck Vandewièle & Samuel Delepoulle LISIC - méthode à gradient de politique]
Contributeurs: Claude Coulombe, wiki
