차례:
정의-Deep Q-Networks는 무엇을 의미합니까?
Deep Q Networks (DQN)는 지능형 비디오 게임 플레이의 시뮬레이션과 같은 모델을 제공하기 위해 딥 Q 학습을 활용하는 신경망 (및 / 또는 관련 도구)입니다. Deep Q Networks는 특정 신경망 빌드의 특정 이름이 아닌 컨볼 루션 신경망 및 다양한 프로세스에 대해 배우기 위해 특정 방법을 사용하는 기타 구조로 구성 될 수 있습니다.
Techopedia는 Deep Q-Networks를 설명합니다
딥 Q 학습 방법은 일반적으로 정책 평가와 정책 반복의 결합으로 설명되는 일반 정책 반복이라는 것을 사용하여 차원이 높은 감각 입력에서 정책을 학습합니다.
예를 들어, Medium과 같은 기술 출판물에서 다루는 일반적인 유형의 딥 Q 네트워크는 결과를 모델링하기 위해 Atari 2600 비디오 게임에서 감각 입력을받습니다. 이는 Q 네트워크를 업데이트하기 위해 샘플을 수집, 저장 및 경험 재생에 사용함으로써 매우 기본적인 수준에서 수행됩니다.
일반적으로 딥 Q 네트워크는 영역 또는 기타 경험이 풍부한 샘플에서 활성 플레이어를 나타내는 입력에 대해 학습하고 해당 데이터를 원하는 출력과 일치시키는 방법을 배웁니다. 이것은 인공 지능 개발에 강력한 방법으로 체스와 같은 게임을 높은 수준에서 수행하거나 다른 높은 수준의인지 활동을 수행 할 수 있습니다. Atari 또는 체스 비디오 게임 재생 예는 AI가 인간 에이전트가 전통적으로 사용했던 인터페이스 유형.
다시 말해, 딥 Q 학습을 통해 AI 플레이어는 원하는 결과를 얻는 학습에서 인간 플레이어와 더 비슷해집니다.
