Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaAI & otomasiSoft Actor-Critic
Perangkat lunak & algoritme

Soft Actor-Critic

Soft Actor-Critic mempelajari kebijakan stokastik dengan tujuan reward dan entropi. Kerangka actor-critic off-policy dapat memakai kembali pengalaman tersimpan.

AI & otomasi1 rujukanProfil diperbarui
Lihat rujukanBandingkan teknologi
Peta fungsi teknologi: Soft Actor-CriticMasukan: Transisi lingkungan dan model kebijakan. Bagian: Actor; Critic; Replay. Keluaran: Kebijakan stokastik serta fungsi nilai. Bagian dikelompokkan menurut fungsi, bukan urutan perakitan.MASUKANTransisi lingkungan dan modelkebijakan.BAGIAN FUNGSIONALActorMenghasilkan tindakanstokastik.CriticMemperkirakan nilai soft.ReplayMenyediakan pengalaman untukpembaruan.KELUARANKebijakan stokastik sertafungsi nilai.
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?

Critic memperkirakan nilai tindakan atau keadaan menurut formulasi soft. Actor diperbarui untuk memilih tindakan bernilai tinggi sambil mempertahankan entropi; sampel replay melatih kedua bagian dengan target yang memasukkan reward serta kontribusi entropi.

Rujukan penjelasan

Bagian fungsional

  1. 01

    Actor

    Menghasilkan tindakan stokastik.

  2. 02

    Critic

    Memperkirakan nilai soft.

  3. 03

    Replay

    Menyediakan pengalaman untuk pembaruan.

Masukan dan keluaran

01 / Masukan

Transisi lingkungan dan model kebijakan.

02 / Keluaran

Kebijakan stokastik serta fungsi nilai.

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 kontinu
  • Pembelajaran eksplorasi

Batas cakupan

Bobot entropi dan reward memengaruhi perilaku; efisiensi penggunaan data tidak menghapus biaya interaksi lingkungan.

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.