Taula de continguts:
Definició: què significa Deep Q-Networks?
Les xarxes Deep Q (DQN) són xarxes neuronals (i / o eines relacionades) que utilitzen l'aprenentatge Q profund per proporcionar models com la simulació de jocs de videojocs intel·ligents. En lloc de ser un nom específic per a una creació de xarxes neuronals específiques, les xarxes Deep Q poden estar compostes per xarxes neuronals convolucionals i altres estructures que utilitzin mètodes específics per conèixer diversos processos.
Techopedia explica Deep Q-Networks
El mètode d’aprenentatge Q profund utilitza normalment una cosa anomenada iteració general de polítiques, descrita com la conjunció d’avaluació de polítiques i iteració de polítiques, per aprendre polítiques d’informació sensorial d’alta dimensió.
Per exemple, un tipus comú de xarxa Q profunda coberta en publicacions de tecnologia com Medium aporta aportacions sensorials de videojocs Atari 2600 per modelar els resultats. Això es fa a un nivell molt fonamental recollint mostres, emmagatzemant-les i utilitzant-les per a la reproducció d’experiència per tal d’actualitzar la xarxa Q.
En un sentit general, les xarxes de Q profund es formen en entrades que representen jugadors actius en àrees o altres mostres experimentades i aprenen a combinar aquestes dades amb les sortides desitjades. Es tracta d’un mètode potent en el desenvolupament d’intel·ligència artificial que pot jugar a jocs com escacs a un nivell elevat o realitzar altres activitats cognitives d’alt nivell: l’exemple de joc de videojocs d’Atari o d’escacs també és un bon exemple de com utilitza l’AI. tipus d’interfícies que tradicionalment eren utilitzades pels agents humans.
En altres paraules, amb l'aprenentatge Q profund, el jugador d'AI arriba a ser més com un jugador humà en aprendre a assolir els resultats desitjats.
