The concept of "Policy gradients" includes:

Đáp án đúng: "All of the above". Policy gradient là họ thuật toán học tăng cường tối ưu trực tiếp chính sách bằng gradient của phần thưởng kỳ vọng, và một hệ policy gradient hoàn chỉnh gồm đủ các thành phần được nêu. "Policy gradients - Network" là mạng chính sách nhận trạng thái và trả về xác suất của từng hành động. "Policy gradients - Loss" là hàm mất mát, thường là âm của log xác suất hành động đã chọn nhân với lợi tức (return) chiết khấu, để giảm mất mát tương đương tăng xác suất hành động mang lại phần thưởng cao. "Policy gradients - Memory" là bộ nhớ lưu trạng thái, hành động và phần thưởng của cả một tập (episode) để tính lợi tức sau khi tập kết thúc. "Policy gradients - Training" là vòng huấn luyện: chạy tập, tính lợi tức chiết khấu, tính mất mát rồi cập nhật trọng số mạng. Thiếu bất kỳ thành phần nào hệ cũng không vận hành, nên chọn riêng một thành phần là không đầy đủ.