![5 Crazy Ways Social Media Is Changing Your Brain Right Now](https://i.ytimg.com/vi/HffWFd_6bJ0/hqdefault.jpg)
Sadržaj
- Definicija - Što znači duboka Q-mreža?
- Uvod u Microsoft Azure i Microsoft Cloud | Kroz ovaj vodič naučit ćete o čemu se radi računalstvo u oblaku i kako vam Microsoft Azure može pomoći da preselite i pokrenete svoje poslovanje iz oblaka.
- Techopedia objašnjava duboke Q-mreže
Definicija - Što znači duboka Q-mreža?
Deep Q Networks (DQN) su neuronske mreže (i / ili srodni alati) koji koriste duboko Q učenje kako bi pružili modele poput simulacije inteligentne igre s video igrama. Umjesto da budu specifično ime za određenu izgradnju neuronske mreže, Deep Q mreže mogu se sastojati od revolucionarnih neuronskih mreža i drugih struktura koje koriste specifične metode za učenje o različitim procesima.
Uvod u Microsoft Azure i Microsoft Cloud | Kroz ovaj vodič naučit ćete o čemu se radi računalstvo u oblaku i kako vam Microsoft Azure može pomoći da preselite i pokrenete svoje poslovanje iz oblaka.
Techopedia objašnjava duboke Q-mreže
Metoda dubokog Q učenja obično koristi nešto što se naziva općenita iteracija politike, opisana kao spoj evaluacije politike i iteracije politike kako bi se naučile politike iz senzorskog ulaza velike dimenzije.
Na primjer, uobičajena vrsta duboke Q mreže pokrivene u tehnološkim publikacijama poput Medium-a uzima senzorne podatke iz videoigara Atari 2600 za modeliranje rezultata. To se postiže na vrlo temeljnoj razini prikupljanjem uzoraka, njihovim pohranjivanjem i korištenjem za ponavljanje iskustva kako bi se ažurirala Q mreža.
Općenito, mreže s dubokim Q-om treniraju na ulazima koji predstavljaju aktivne igrače na područjima ili drugim iskusnim uzorcima i uče te podatke uskladiti s željenim izlazima. Ovo je moćna metoda u razvoju umjetne inteligencije koja može igrati igre poput šaha na visokoj razini ili provoditi druge kognitivne aktivnosti na visokoj razini - primjer igranja Atari ili šah u video igrama također je dobar primjer kako AI koristi vrste sučelja koja su tradicionalno koristili ljudski agenti.
Drugim riječima, sa dubokim Q učenjem, AI igrač postaje više poput ljudskog igrača u učenju za postizanje željenih rezultata.