Innehållsförteckning:
Definition - Vad betyder Q-learning?
Q-learning är en term för en algoritmstruktur som representerar modellfritt förstärkningslärande. Genom att utvärdera policy och använda stokastisk modellering, hittar Q-learning den bästa vägen framåt i en Markov beslutsprocess.
Techopedia förklarar Q-learning
Den tekniska sammansättningen av Q-learning-algoritmen involverar en agent, en uppsättning tillstånd och en uppsättning åtgärder per stat.
Q-funktionen använder vikter för olika steg i samband med en diskonteringsfaktor för att värdera belöningar.
Även om det kan verka som en enkel idé, är Q-learning mycket viktigt i många typer av förstärkningsinlärning och djupa inlärningsmodeller. Ett av de bästa exemplen är där djup Q-learning används för att hjälpa maskininlärningsprogram att lära sig spelspelstrategier i olika typer av videospel, till exempel i Atari-spel från 1980-talet. Här tar ett invandrat neuralt nätverk prover av spel för att arbeta upp en stokastisk modell som hjälper datorn att veta hur man spelar spelet bättre över tid.
Q-lärande har stor potential för att främja artificiell intelligens och maskininlärning.
