Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaAI & otomasiProximal Policy Optimization
Perangkat lunak & algoritme

Proximal Policy Optimization

PPO memperbarui kebijakan reinforcement learning memakai data interaksi dan tujuan surrogate. Salah satu formulasi membatasi insentif perubahan melalui clipping rasio peluang.

AI & otomasi1 rujukanProfil diperbarui
Lihat rujukanBandingkan teknologi
Peta fungsi teknologi: Proximal Policy OptimizationMasukan: Lintasan interaksi dan estimasi advantage. Bagian: Kebijakan; Advantage; Tujuan clipped. Keluaran: Parameter kebijakan yang diperbarui. Bagian dikelompokkan menurut fungsi, bukan urutan perakitan.MASUKANLintasan interaksi danestimasi advantage.BAGIAN FUNGSIONALKebijakanMenghasilkan peluang tindakan.AdvantageMenilai keuntungan relatif.Tujuan clippedMengendalikan insentifpembaruan.KELUARANParameter kebijakan yangdiperbarui.
Peta fungsi teknologi

Diagram konseptual dari masukan, fungsi bagian, dan keluaran dalam profil. Susunan kotak tidak menunjukkan urutan perakitan atau posisi fisik.

Teknologi · CC BY 4.0 · Sumber data

Bagaimana cara kerjanya?

Kebijakan lama mengumpulkan lintasan lalu advantage diestimasi. Rasio peluang tindakan kebijakan baru terhadap lama dimasukkan ke tujuan clipped; optimasi minibatch berulang memperbarui kebijakan dengan mengurangi dorongan perubahan yang terlalu besar.

Rujukan penjelasan

Bagian fungsional

  1. 01

    Kebijakan

    Menghasilkan peluang tindakan.

  2. 02

    Advantage

    Menilai keuntungan relatif.

  3. 03

    Tujuan clipped

    Mengendalikan insentif pembaruan.

Masukan dan keluaran

01 / Masukan

Lintasan interaksi dan estimasi advantage.

02 / Keluaran

Parameter kebijakan yang diperbarui.

Parameter teknis

Informasi dengan rujukan belum tersedia untuk bagian ini. Profil ini tidak menyajikan spesifikasi angka untuk model tertentu atau nilai yang berlaku bagi seluruh keluarga teknologi.

Versi dan status

Profil membahas konsep atau kategori teknologi; versi implementasi tertentu belum ditetapkan.

Status terbit profil berbeda dari status produksi, dukungan, atau sertifikasi perangkat.

Penerapan dan keterbatasan

  • Kontrol agen
  • Optimasi kebijakan

Batas cakupan

Clipping bukan batas keras perubahan seluruh kebijakan; kualitas estimasi advantage dan data interaksi memengaruhi hasil.

Teknologi yang terhubung

Hubungan terverifikasi belum tersedia untuk profil ini. Kedekatan topik tidak membuktikan kompatibilitas atau ketergantungan.

Buka peta teknologi

Dasar penjelasan

Penjelasan asli bahasa Indonesia disusun dengan pemeriksaan rujukan primer oleh agen AI. Belum ditinjau ahli. Baca metodologi dan batas pemeriksaan. Ringkasan standar tidak menggantikan teks normatif; ilustrasi konseptual tidak menjadi bukti konfigurasi model.