Duboko pojačavajuće učenje
Duboko pojačavajuće učenje kombinira neuronske mreže s pojačavajućim učenjem tako da agent uči interakcijom s okolinom, popularizirano radom Mniha i kolega iz 2015. u časopisu Nature o kontroli Atari igara na ljudskoj razini. Umjesto učenja iz fiksiranog označenog skupa podataka, agent poduzima akcije, promatra nagrade i postupno oblikuje strategiju koja maksimizira dugoročni povrat.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/hr/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.
- Automatsko pretraživanje arhitektura dubokih mrežaDuboko učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Rekurentna neuronska mrežaDuboko učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →