Nilalaman
- Kahulugan - Ano ang ibig sabihin ng Deep Q-Networks?
- Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
- Ipinapaliwanag ng Techopedia ang Deep Q-Networks
Kahulugan - Ano ang ibig sabihin ng Deep Q-Networks?
Ang mga Deep Q Networks (DQN) ay mga network na neural (at / o mga kaugnay na tool) na gumagamit ng malalim na pagkatuto ng Q upang magbigay ng mga modelo tulad ng simulation ng matalinong paglalaro ng video. Sa halip na maging isang tiyak na pangalan para sa isang tiyak na neural network build, ang Deep Q Networks ay maaaring binubuo ng mga koneksyon na neural network at iba pang mga istraktura na gumagamit ng mga tiyak na pamamaraan upang malaman ang tungkol sa iba't ibang mga proseso.
Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
Ipinapaliwanag ng Techopedia ang Deep Q-Networks
Ang pamamaraan ng malalim na pagkatuto ng Q ay karaniwang gumagamit ng isang bagay na tinatawag na pangkalahatang pag-iiba sa patakaran, na inilarawan bilang pagsasama ng pagsusuri ng patakaran at pag-eensyon ng patakaran, upang malaman ang mga patakaran mula sa mataas na dimensional na sensory input.
Halimbawa, ang isang pangkaraniwang uri ng malalim na network ng Q na nasasakop sa mga tech publication tulad ng Medium ay tumatagal ng pandinig na pag-input mula sa Atari 2600 na mga laro sa video upang mag-modelo ng mga resulta. Ginagawa ito sa isang napaka-pangunahing antas sa pamamagitan ng pagkolekta ng mga sample, pag-iimbak ng mga ito at gamitin ang mga ito para sa muling pag-replay ng karanasan upang mai-update ang Q network.
Sa pangkalahatang kahulugan, ang mga malalim na Q network ay nagsasanay sa mga input na kumakatawan sa mga aktibong manlalaro sa mga lugar o iba pang nakaranas na mga sample at natutong tumugma sa mga data na may nais na mga output. Ito ay isang malakas na pamamaraan sa pagbuo ng artipisyal na katalinuhan na maaaring maglaro ng mga larong tulad ng chess sa isang mataas na antas, o isagawa ang iba pang mga aktibidad na nagbibigay-malay na antas - ang halimbawa ng paglalaro ng Atari o chess video game ay isang mabuting halimbawa din kung paano ginagamit ng AI ang mga uri ng mga interface na tradisyonal na ginagamit ng mga ahente ng tao.
Sa madaling salita, na may malalim na pag-aaral ng Q, ang manlalaro ng AI ay magiging katulad ng isang tao na tao sa pag-aaral upang makamit ang ninanais na mga kinalabasan.