![Hĺbkové Q-siete - Technológie Hĺbkové Q-siete - Technológie](https://a.continuousdev.com/technology/deep-q-networks.jpg)
Obsah
- Definícia - Čo znamená sieť Deep Q-Networks?
- Úvod do programu Microsoft Azure a Microsoft Cloud V tejto príručke sa dozviete, o čom všetko je cloud computing a ako vám môže Microsoft Azure pomôcť migrovať a podnikať z cloudu.
- Techopedia vysvetľuje Deep Q-Networks
Definícia - Čo znamená sieť Deep Q-Networks?
Deep Q Networks (DQN) sú neurónové siete (a / alebo súvisiace nástroje), ktoré využívajú hlboké Q učenie, aby poskytli modely, ako je simulácia inteligentného hrania videohier. Deep Q Networks môžu byť zložené skôr z konvolučných neurónových sietí a iných štruktúr, ktoré používajú špecifické metódy na učenie sa o rôznych procesoch, a nie ako špecifický názov pre konkrétnu stavbu neurónovej siete.
Úvod do programu Microsoft Azure a Microsoft Cloud V tejto príručke sa dozviete, o čom všetko je cloud computing a ako vám môže Microsoft Azure pomôcť migrovať a podnikať z cloudu.
Techopedia vysvetľuje Deep Q-Networks
Metóda hlbokého učenia sa Q zvyčajne používa niečo, čo sa nazýva všeobecná iterácia politiky, opísané ako spojenie hodnotenia politiky a iterácie politiky, aby sa učilo politiky z vysoko dimenzionálneho senzorického vstupu.
Napríklad bežný typ hlbokej siete Q zahrnutý v technických publikáciách, ako je napríklad médium, berie senzorické vstupy z videohier Atari 2600 na modelovanie výsledkov. Robí sa to na veľmi základnej úrovni zhromažďovaním vzoriek, ich ukladaním a využívaním na opakované prehrávanie skúseností s cieľom aktualizovať sieť Q.
Vo všeobecnosti sa hlboké siete Q trénujú na vstupoch, ktoré predstavujú aktívnych hráčov v oblastiach alebo iných skúsených vzorkách, a naučia sa porovnávať tieto údaje s požadovanými výstupmi. Jedná sa o výkonnú metódu pri vývoji umelej inteligencie, ktorá dokáže hrať hry ako šach na vysokej úrovni alebo vykonávať iné kognitívne činnosti na vysokej úrovni - príklad hry Atari alebo šachovej videohry je tiež dobrým príkladom toho, ako AI využíva typy rozhraní, ktoré ľudskí agenti tradične používali.
Inými slovami, s hlbokým učením Q sa hráč AI stáva viac ľudským hráčom v učení, aby dosiahol požadované výsledky.