PPO

OpenAI News 20 Jul 2017

OpenAI keluarkan algoritma pembelajaran pengukuhan Proximal Policy Optimization (PPO)

OpenAI mengumumkan kelas baharu algoritma pembelajaran pengukuhan, Proximal Policy Optimization (PPO). Mereka berkata PPO memberi prestasi setanding atau lebih baik daripada kaedah terkemuka, sambil lebih mudah dilaksanakan dan ditala, dan kini menjadi algoritma lalai di OpenAI.

Read Brief

OpenAI News 04 Jul 2018

Belajar Montezuma’s Revenge daripada satu demonstrasi manusia

OpenAI melatih agen mencapai skor tinggi 74,500 pada Montezuma’s Revenge menggunakan satu demonstrasi manusia, melebihi hasil diterbitkan sebelum ini. Agen itu bermain urutan permainan bermula dari keadaan dipilih daripada demonstrasi dan belajar dengan mengoptimumkan skor permainan menggunakan PPO.

Read Brief