Q-learning

Auteur: Roger Morrison
Date De Création: 24 Septembre 2021
Date De Mise À Jour: 11 Peut 2024
Anonim
Q-Learning Explained - A Reinforcement Learning Technique
Vidéo: Q-Learning Explained - A Reinforcement Learning Technique

Contenu

Définition - Que signifie Q-learning?

Q-learning est un terme désignant une structure algorithmique représentant un apprentissage par renforcement sans modèle. En évaluant les politiques et en utilisant la modélisation stochastique, Q-learning trouve la meilleure voie à suivre dans un processus de décision de Markov.


Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.

Techopedia explique Q-learning

La composition technique de l'algorithme Q-learning implique un agent, un ensemble d'états et un ensemble d'actions par état.

La fonction Q utilise des pondérations pour différentes étapes conjointement avec un facteur de réduction afin de valoriser les récompenses.

Bien que cela puisse sembler une idée simple, Q-learning est d’une importance primordiale dans de nombreux types d’apprentissage par renforcement et de modèles d’apprentissage en profondeur. L'un des meilleurs exemples est l'utilisation approfondie du Q-learning pour aider les programmes d'apprentissage automatique à apprendre les stratégies de jeu dans divers types de jeux vidéo, par exemple dans les jeux Atari des années 1980. Ici, un réseau de neurones convolutifs prélève des échantillons de jeu pour élaborer un modèle stochastique qui aidera l'ordinateur à mieux jouer au fil du temps.


Q-learning offre un potentiel considérable pour faire progresser l'intelligence artificielle et l'apprentissage automatique.