Q-Learning

Autor: Roger Morrison
Erstelldatum: 24 September 2021
Aktualisierungsdatum: 10 Kann 2024
Anonim
Q-Learning Explained - A Reinforcement Learning Technique
Video: Q-Learning Explained - A Reinforcement Learning Technique

Inhalt

Definition - Was bedeutet Q-Learning?

Q-Learning ist ein Begriff für eine Algorithmusstruktur, die modellfreies Bestärkungslernen darstellt. Durch die Bewertung von Richtlinien und die Verwendung stochastischer Modelle findet Q-Learning den besten Weg in einem Markov-Entscheidungsprozess.


Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.

Techopedia erklärt Q-Learning

Der technische Aufbau des Q-Learning-Algorithmus umfasst einen Agenten, eine Reihe von Zuständen und eine Reihe von Aktionen pro Zustand.

Die Q-Funktion verwendet Gewichte für verschiedene Schritte in Verbindung mit einem Rabattfaktor, um die Belohnungen zu bewerten.

Obwohl es wie eine einfache Idee erscheint, ist Q-Learning für viele Arten von Bestärkungslernen und Deep-Learning-Modellen von größter Bedeutung. Eines der besten Beispiele ist die Verwendung von Deep Q-Learning, um maschinellen Lernprogrammen das Erlernen von Spielstrategien in verschiedenen Arten von Videospielen zu erleichtern, beispielsweise in Atari-Spielen aus den 1980er-Jahren. Hier entnimmt ein neuronales Faltungsnetzwerk Spielproben, um ein stochastisches Modell zu entwickeln, das dem Computer hilft, das Spiel mit der Zeit besser zu spielen.


Q-Learning hat ein großes Potenzial, um künstliche Intelligenz und maschinelles Lernen voranzutreiben.