근위 정책 최적화

기계 학습과 데이터 마이닝
패러다임 지도 학습 비지도 학습 온라인 기계 학습 메타-학습 준지도 학습 자기 지도 학습 강화 학습 규칙 기반 기계 학습 뉴로모픽 엔지니어링 양자 기계 학습
문제 분류 생성 모델 회귀 분석 클러스터 분석 차원 축 이상 탐지 데이터 정제 AutoML 연관 규칙 학습 구조 기반 예측 특징 공학 특징 학습 순위 학습 문법 유도 온톨로지 학습 멀티모달 학습
지도 학습 (통계적 분류 • 회귀 분석) 결정 트리 학습법 앙상블 학습법 배깅 부스팅 랜덤 포레스트 최근접 이웃 탐색 k-NN 선형 회귀 나이브 베이즈 인공신경망 로지스틱 회귀 퍼셉트론 상관 벡터 머신(RVM) 서포트 벡터 머신(SVM)
클러스터 분석 BIRCH CURE 알고리즘 계층적 군집화 k-평균 알고리즘 퍼지 클러스터링 기댓값 최대화 알고리즘 DBSCAN OPTICS 평균이동
차원 축소 인자 분석 CCA 독립 성분 분석 선형 판별 분석 음수 미포함 행렬 분해 주성분 분석 t-SNE
구조적 예측 그래프 모형 베이즈 네트워크 조건부 무작위장 은닉 마르코프 모형 잠재 디리클레 할당
이상 탐지 무작위 표본 합의 k-최근접 이웃 알고리즘 국소 특이점 요인 고립 포레스트
인공 신경망 오토인코더 딥 러닝 순방향 신경망 순환 신경망 LSTM GRU 볼츠만 머신 제한된 생성적 적대 신경망 확산 모델 자기조직화 지도 합성곱 신경망 U-Net LeNet 알렉스넷 딥드림 신경장 신경 방사장 물리정보 신경망 트랜스포머 비전 맘바 스파이킹 신경망 멤트렌지스터 전기화학 RAM 다층 퍼셉트론
강화 학습 Q 러닝 SARSA 시간차 학습
인간 참여학습 액티브 러닝 크라우드소싱 휴먼인더루프 RLHF
모델 진단 결정계수 혼동 행렬 러닝 커브 수신자 조작 특성
수학적 이론 커널 메소드 편향-분산 트레이드오프 계산학습이론 경험적 위험 최소화 PAC 러닝 통계적 학습이론 VC 이론
회의/저널 NeurIPS ICML ICLR ML JMLR
관련 문서 기계 학습 알고리즘 목록 기계 탈학습 지식 증류 유사도 학습 대조 학습
v t e

근위 정책 최적화(Proximal policy optimization, PPO)는 지능형 에이전트를 훈련하기 위한 강화 학습(RL) 알고리즘이다. 구체적으로, 정책 네트워크가 매우 큰 경우 심층 RL에 자주 사용되는 정책 그래디언트 방법이다.

PPO의 전신인 신뢰 영역 정책 최적화(Trust Region Policy Optimization, TRPO)는 2015년에 발표되었다. 신뢰 영역 방법을 사용하여 기존 정책과 새 정책 간의 KL 발산을 제한함으로써 다른 알고리즘인 심층 Q-네트워크(DQN)의 불안정성 문제를 해결했다. 그러나 TRPO는 헤시안 행렬(2차 도함수의 행렬)을 사용하여 신뢰 영역을 적용하지만 헤시안은 대규모 문제에 비효율적이다.

PPO는 2017년에 발표되었다. 본질적으로 헤시안을 계산할 필요가 없는 TRPO의 근사치였다. KL 발산 제약 조건은 정책 그래디언트를 간단히 클리핑하여 근사화되었다.^[1]

2018년부터 PPO는 오픈AI의 기본 RL 알고리즘이었다. PPO는 로봇 팔 제어, 도타 2(오픈AI 파이브)에서 프로 선수를 이기는 것, 아타리 게임을 하는 것 등 여러 분야에 적용되었다.^[2]

• 강화 학습
• 시간차 학습
• 게임 이론

• Announcement of Proximal Policy Optimization by OpenAI
• GitHub repo