surrogate objective

Определение

Целевая функция в алгоритме PPO, аппроксимирующая истинную функцию и включающая clipping для стабильного обучения.

Где встречается

• 339. Как работает алгоритм ReST (Reinforced Self-Training) и когда он лучше PPO

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление