डीप रीइन्फोर्समेंट लर्निंग
डीप रीइन्फोर्समेंट लर्निंग (Deep Reinforcement Learning) न्यूरल नेटवर्क्स को रीइन्फोर्समेंट लर्निंग के साथ जोड़ता है ताकि एक एजेंट पर्यावरण के साथ इंटरैक्ट करके सीख सके, जिसे 2015 में एमनिह (Mnih) और सहयोगियों के मानव-स्तर के अटारी नियंत्रण (Atari control) पर नेचर (Nature) में प्रकाशित कार्य द्वारा लोकप्रिय बनाया गया। एक निश्चित लेबल वाले डेटासेट से सीखने के बजाय, एजेंट क्रियाएं करता है, पुरस्कारों का अवलोकन करता है, और धीरे-धीरे एक ऐसी नीति को आकार देता है जो दीर्घकालिक रिटर्न को अधिकतम करती है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Mnih, V. et al. (2015). Human-Level Control through Deep Reinforcement Learning. Nature, 518, 529–533. DOI: 10.1038/nature14236 ↗
- Schulman, J. et al. (2017). Proximal Policy Optimization Algorithms. arXiv:1707.06347. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/hi/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.
- न्यूरल आर्किटेक्चर सर्चगहन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- पुनरावर्ती तंत्रिका नेटवर्कगहन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare