Q-learning

Autor: Roger Morrison
Data Utworzenia: 24 Wrzesień 2021
Data Aktualizacji: 11 Móc 2024
Anonim
Q-Learning Explained - A Reinforcement Learning Technique
Wideo: Q-Learning Explained - A Reinforcement Learning Technique

Zawartość

Definicja - Co oznacza Q-learning?

Q-learning jest terminem określającym strukturę algorytmu reprezentującą uczenie się wzmocnienia bez modelu. Oceniając politykę i stosując modelowanie stochastyczne, Q-learning znajduje najlepszą ścieżkę do przodu w procesie decyzyjnym Markowa.


Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.

Techopedia wyjaśnia Q-learning

Techniczny skład algorytmu Q-uczenia się obejmuje agenta, zestaw stanów i zestaw działań dla każdego stanu.

Funkcja Q wykorzystuje wagi dla różnych kroków w połączeniu ze współczynnikiem rabatu w celu wyceny nagród.

Chociaż może się to wydawać prostym pomysłem, Q-learning ma ogromne znaczenie w wielu rodzajach modeli uczenia wzmacniającego i uczenia głębokiego. Jednym z najlepszych przykładów jest wykorzystywanie głębokiego uczenia się Q, aby pomóc programom uczenia maszynowego w nauce strategii gier w różnych typach gier wideo, na przykład w grach Atari z lat 80. Tutaj splotowa sieć neuronowa pobiera próbki gry, aby opracować stochastyczny model, który pomoże komputerowi lepiej z czasem grać w grę.


Q-learning ma duży potencjał w zakresie wspierania sztucznej inteligencji i uczenia maszynowego.