![Escuchar Durante 5 Minutos Y Entrarás En Sueño Profundo Inmediatamente; Musica Que Te Ayuda Dormir](https://i.ytimg.com/vi/343H7x93F6g/hqdefault.jpg)
Vsebina
- Opredelitev - Kaj pomeni globoko Q-omrežje?
- Uvod v Microsoft Azure in Microsoft Cloud | V tem priročniku boste spoznali, kaj sploh pomeni računalništvo v oblaku in kako vam lahko Microsoft Azure pomaga preseliti in voditi vaše podjetje iz oblaka.
- Techopedia razlaga Deep Q-Networks
Opredelitev - Kaj pomeni globoko Q-omrežje?
Deep Q Networks (DQN) so nevronske mreže (in / ali sorodna orodja), ki uporabljajo globoko učenje Q z namenom zagotavljanja modelov, kot je simulacija inteligentne igre z video igrami. Namesto da bi bilo to specifično ime za določeno gradnjo nevronske mreže, je Deep Q Networks lahko sestavljeno iz konvolucijskih nevronskih mrež in drugih struktur, ki uporabljajo posebne metode za spoznavanje različnih procesov.
Uvod v Microsoft Azure in Microsoft Cloud | V tem priročniku boste spoznali, kaj sploh pomeni računalništvo v oblaku in kako vam lahko Microsoft Azure pomaga preseliti in voditi vaše podjetje iz oblaka.
Techopedia razlaga Deep Q-Networks
Metoda učenja globokega Q običajno uporablja nekaj, kar imenujemo splošna iteracija politike, ki je opisana kot povezava ocenjevanja politike in iteracije politike za učenje politik iz senzoričnega vnosa z več dimenzij.
Na primer, običajna vrsta globokega omrežja Q, zajetega v tehnoloških publikacijah, kot je Medium, sprejme senzorične podatke iz video iger Atari 2600 za modeliranje rezultatov. To se naredi na zelo temeljni ravni z zbiranjem vzorcev, njihovo shranjevanje in uporabo za predvajanje izkušenj za posodobitev omrežja Q.
V splošnem smislu mreže z globokimi Q-i trenirajo na vhodih, ki predstavljajo aktivne igralce na območjih ali drugih izkušenih vzorcih, in se naučijo uskladiti te podatke z želenimi izhodi. To je močna metoda za razvoj umetne inteligence, ki lahko igra igre kot šah na visoki ravni ali izvaja druge kognitivne dejavnosti na visoki ravni - primer igranja Atari ali šahovskih video iger je tudi dober primer, kako AI uporablja vrste vmesnikov, ki so jih tradicionalno uporabljali človeški agenti.
Z drugimi besedami, z globokim učenjem Q postane igralec AI bolj podoben človeškemu igralcu pri učenju za doseganje želenih rezultatov.