Näyttelijä-kriitikko-algoritmi
term_id: actor_critic_algorithm
Category: basic_concepts
Definition
Näyttelijä-kriitikko-algoritmi käyttää kahta komponenttia: näyttelijää, joka päivittää politiikkaa toimintojen valitsemiseksi, ja kriitikkoa, joka arvioi näiden toimintojen laatua estimoiden arvo funktion.
Summary
Vahvistusoppimiskehys, joka yhdistää arvoon ja politiikkaan perustuvat menetelmät käyttämällä kahta neuronaalista verkkoa: näyttelijää ja kriitikkoa.
Key Concepts
- Politiikan gradientti
- Arvo funktio
- Aikadifferenssi virhe
- Hybridi vahvistusoppiminen
Use Cases
- Robottikäden manipulointi
- Pelikäyttöagentit (esim. AlphaStar)
- Jatkuva ohjaus autonomisissa ajoneuvoissa