Machine learning

Aprenentatge per Reforç Profund

L'Aprenentatge per Reforç Profund (Deep Reinforcement Learning) combina xarxes neuronals amb aprenentatge per reforç, de manera que un agent aprèn interactuant amb un entorn. Va ser popularitzat pel treball de Mnih i col·laboradors del 2015 a Nature sobre el control a nivell humà dels jocs Atari. En lloc d'aprendre a partir d'un conjunt de dades fix i etiquetat, l'agent realitza accions, observa recompenses i modela gradualment una política que maximitza el retorn a llarg termini.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Mnih, V. et al. (2015). Human-Level Control through Deep Reinforcement Learning. Nature, 518, 529–533. DOI: 10.1038/nature14236
  2. Schulman, J. et al. (2017). Proximal Policy Optimization Algorithms. arXiv:1707.06347. link

Com citar aquesta pàgina

ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/ca/deep-learning/deep-reinforcement-learning

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Citat per

ScholarGateDeep Reinforcement Learning (Deep Reinforcement Learning (DQN / PPO / A3C)). Recuperat el 2026-06-15 de https://scholargate.app/ca/deep-learning/deep-reinforcement-learning · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026