#1244506
Упорядочите следующие шаги в обучении модели Policy Gradients в порядке их выполнения:
Варианты ответа:
  • генерация нескольких эпизодов с помощью текущей политики
  • вычисление функции потери
  • расчёт градиента функции потери по параметрам политики
  • обновление параметров политики с помощью градиентного спуска
  • повторение шагов a-d до достижения сходимости
Тематика: Компонентный состав временных рядов. Алгоритмический подход к выделению тренда Нейронные сети и машинное обучение Основы искусственного интеллекта
Курсы в категории: Математика и статистика
📚 Похожие вопросы по этой дисциплине
… – это алгоритм, который умеет анализировать состояние среды и совершать в не На эффективность и скорость обучения Агента оказывает следующее изменение Набор статистики ходов занимает следующую часть работы алгоритма по В … году была основана лаборатория искусственного интеллекта Массачусетского Технол … – это метод обучения, который был использован для об