importance sampling

Определение

Техника выборки по важности, используемая в алгоритмах RL (например, PPO) для оценки ожиданий с использованием данных, собранных старой политикой, без повторной генерации.

Где встречается

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

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление