Dziļie Q-Networks

Autors: Laura McKinney
Radīšanas Datums: 5 Aprīlis 2021
Atjaunināšanas Datums: 26 Jūnijs 2024
Anonim
Ed Boyden: A light switch for neurons
Video: Ed Boyden: A light switch for neurons

Saturs

Definīcija - ko nozīmē Deep Q-Networks?

Dziļie Q tīkli (DQN) ir neironu tīkli (un / vai saistīti rīki), kas izmanto dziļu Q mācīšanos, lai nodrošinātu tādus modeļus kā viedo videospēļu spēles simulācija. Neatkarīgi no tā, ka Deep Q Networks būtu noteikts nosaukums īpašam neironu tīkla veidojumam, to var veidot no konvolūcijas neironu tīkliem un citām struktūrām, kuras izmanto īpašas metodes dažādu procesu apgūšanai.


Ievads Microsoft Azure un Microsoft Cloud | Šajā rokasgrāmatā jūs uzzināsit, kas ir mākonis skaitļošana un kā Microsoft Azure var palīdzēt jums migrēt un vadīt savu biznesu no mākoņa.

Techopedia skaidro Deep Q-Networks

Dziļās Q apguves metodē parasti tiek izmantots kaut kas, ko sauc par vispārīgu politikas iterāciju, kas aprakstīta kā politikas novērtēšanas un politikas iterācijas savienojums, lai apgūtu politikas no maņu jutekļu ievadīšanas.

Piemēram, parastajam dziļā Q tīkla veidam, kas iekļauts tehnoloģiju publikācijās, piemēram, Medium, tiek izmantoti sensori no Atari 2600 videospēlēm, lai modelētu rezultātus. Tas tiek darīts ļoti fundamentālā līmenī, apkopojot paraugus, tos glabājot un izmantojot atkārtotai pieredzei, lai atjauninātu Q tīklu.

Vispārējā nozīmē dziļi Q tīkli trenējas pie ievadiem, kas pārstāv aktīvos spēlētājus apgabalos vai citos pieredzējušos paraugos, un iemācās šos datus saskaņot ar vēlamajiem izvadiem. Šī ir spēcīga metode mākslīgā intelekta attīstībā, ar kuras palīdzību var spēlēt tādas spēles kā šahs augstā līmenī vai veikt citas augsta līmeņa izziņas aktivitātes - arī Atari vai šaha videospēļu spēles piemērs ir labs piemērs tam, kā AI izmanto saskarņu veidi, kurus tradicionāli izmantoja cilvēku aģenti.


Citiem vārdiem sakot, ar dziļu Q apguvi AI spēlētājs iemācās vairāk līdzināties cilvēku spēlētājam, lai sasniegtu vēlamos rezultātus.