Q-learning

Författare: Roger Morrison
Skapelsedatum: 24 September 2021
Uppdatera Datum: 11 Maj 2024
Anonim
Q-Learning Explained - A Reinforcement Learning Technique
Video: Q-Learning Explained - A Reinforcement Learning Technique

Innehåll

Definition - Vad betyder Q-learning?

Q-learning är en term för en algoritmstruktur som representerar modellfritt förstärkningslärande. Genom att utvärdera policy och använda stokastisk modellering, hittar Q-learning den bästa vägen framåt i en Markov beslutsprocess.


En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.

Techopedia förklarar Q-learning

Den tekniska sammansättningen av Q-learning-algoritmen involverar en agent, en uppsättning tillstånd och en uppsättning åtgärder per stat.

Q-funktionen använder vikter för olika steg i samband med en diskonteringsfaktor för att värdera belöningar.

Även om det kan verka som en enkel idé, är Q-learning mycket viktigt i många typer av förstärkningsinlärning och djupa inlärningsmodeller. Ett av de bästa exemplen är där djup Q-learning används för att hjälpa maskininlärningsprogram att lära sig spelspelstrategier i olika typer av videospel, till exempel i Atari-spel från 1980-talet. Här tar ett invandrat neuralt nätverk prover av spel för att arbeta fram en stokastisk modell som hjälper datorn att veta hur man spelar spelet bättre över tid.


Q-lärande har stor potential för att främja artificiell intelligens och maskininlärning.