Sommario:
Definizione - Cosa significa Deep Q-Networks?
Deep Q Networks (DQN) sono reti neurali (e / o strumenti correlati) che utilizzano l'apprendimento Q profondo al fine di fornire modelli come la simulazione del gioco intelligente di videogiochi. Anziché essere un nome specifico per una specifica costruzione di una rete neurale, Deep Q Networks può essere composta da reti neurali convoluzionali e altre strutture che utilizzano metodi specifici per conoscere vari processi.
Techopedia spiega Deep Q-Networks
Il metodo di apprendimento approfondito della Q utilizza tipicamente qualcosa chiamato iterazione politica generale, descritta come congiunzione di valutazione politica e iterazione politica, per apprendere le politiche da input sensoriali ad alta dimensione.
Ad esempio, un tipo comune di rete Q profonda coperta da pubblicazioni tecnologiche come Medium utilizza input sensoriali dai videogiochi Atari 2600 per modellare i risultati. Questo viene fatto a un livello fondamentale raccogliendo campioni, memorizzandoli e utilizzandoli per la riproduzione dell'esperienza al fine di aggiornare la rete Q.
In senso generale, le reti Q profonde si allenano su input che rappresentano giocatori attivi in aree o altri campioni esperti e imparano ad abbinare quei dati con gli output desiderati. Questo è un metodo potente nello sviluppo dell'intelligenza artificiale che può giocare a giochi come gli scacchi ad alto livello o svolgere altre attività cognitive di alto livello - l'esempio di gioco di videogiochi Atari o di scacchi è anche un buon esempio di come l'IA usa il tipi di interfacce tradizionalmente utilizzate dagli agenti umani.
In altre parole, con l'apprendimento Q profondo, il giocatore AI diventa più simile a un giocatore umano nell'apprendimento per ottenere i risultati desiderati.
