Színész-kritikus algoritmus
term_id: actor_critic_algorithm
Category: basic_concepts
Definition
A színész-kritikus algoritmus két komponenst alkalmaz: a színészt, amely frissíti a politikát a cselekvések kiválasztásához, és a kritikust, amely értékfüggvény-becslés útján értékeli ezen cselekvések minőségét.
Summary
Egy megerősítési tanulási keretrendszer, amely értékalapú és politika-alapú módszereket kombinál két neurális hálózat segítségével: egy színész és egy kritikus hálózat.
Key Concepts
- Politika gradiens
- Értékfüggvény
- Időbeli differencia hiba
- Hibrid megerősítési tanulás
Use Cases
- Robotkar manipuláció
- Játék AI ügynökök (pl. AlphaStar)
- Folyamatos vezérlőrendszerek autonóm járművekben