深度Q网络

作者: Laura McKinney
创建日期: 5 四月 2021
更新日期: 26 六月 2024
Anonim
强化学习之深度Q网络 DQN
视频: 强化学习之深度Q网络 DQN

内容

定义-深度Q网络是什么意思?

深度Q网络(DQN)是神经网络(和/或相关工具),利用深度Q学习来提供模型,例如模拟智能视频游戏。 Deep Q Networks不是卷积神经网络和其他使用特定方法来了解各种过程的结构,而是特定神经网络构建的特定名称。


Microsoft Azure和Microsoft Cloud简介在本指南中,您将了解什么是云计算,以及Microsoft Azure如何帮助您从云迁移和运行业务。

Techopedia解释了深度Q网络

深度Q学习的方法通常使用一种称为一般策略迭代的方法(描述为策略评估和策略迭代的结合)从高维感官输入中学习策略。

例如,技术出版物(如Medium)中涵盖的一种常见的深层Q网络采用Atari 2600视频游戏的感官输入来模拟结果。通过收集样本,存储样本并使用它们进行经验重播以更新Q网络,这是在非常基本的级别上完成的。

在一般意义上,深度Q网络训练代表区域中活跃参与者的输入或其他有经验的样本,并学习将这些数据与所需的输出进行匹配。这是人工智能开发中的一种有力方法,可以在较高水平上玩象棋这样的游戏,或进行其他高层次的认知活动– Atari或国际象棋视频游戏示例也是AI如何使用人工智能的一个很好的例子。人工代理传统上使用的接口类型。

换句话说,通过深度Q学习,AI玩家将变得更像人类玩家以学习达到期望的结果。