Obsah:
Definice - Co znamená Deep Q-Networks?
Deep Q Networks (DQN) jsou neuronové sítě (a / nebo související nástroje), které využívají hluboké učení Q, aby poskytly modely, jako je simulace inteligentního hraní videoher. Deep Q Networks může být složena spíše z konvolučních neuronových sítí a dalších struktur, které používají specifické metody k učení o různých procesech, než aby byly specifickým názvem pro konkrétní sestavení neuronové sítě.
Techopedia vysvětluje Deep Q-Networks
Metoda hlubokého učení Q obvykle používá něco, čemu se říká obecná iterace politiky, popsaná jako spojení hodnocení politiky a iterace politiky, k učení politik z vysokorozměrného senzorického vstupu.
Například běžný typ hluboké sítě Q obsažené v technických publikacích, jako je Střední, snímá senzorické vstupy z videoher Atari 2600 k modelovým výsledkům. To se provádí na velmi základní úrovni shromažďováním vzorků, jejich ukládáním a používáním pro opakování zážitků za účelem aktualizace sítě Q.
Obecně platí, že hluboké sítě Q trénují vstupy, které představují aktivní hráče v oblastech nebo jiných zkušených vzorcích, a učí se porovnávat tato data s požadovanými výstupy. Jedná se o výkonnou metodu ve vývoji umělé inteligence, která dokáže hrát hry jako šachy na vysoké úrovni nebo provádět jiné kognitivní činnosti na vysoké úrovni - příklad hraní videoher Atari nebo šachy je také dobrým příkladem toho, jak AI používá typy rozhraní, které lidští agenti tradičně používali.
Jinými slovy, s hlubokým učením Q se hráč umělé inteligence stane více lidským hráčem v učení, aby dosáhl požadovaných výsledků.
