Machine learning
딥 강화학습
딥 강화학습은 신경망과 강화학습을 결합하여 에이전트가 환경과 상호작용하며 학습하도록 합니다. 이는 Mnih와 동료들이 2015년 네이처에 발표한 인간 수준의 아타리 제어 연구를 통해 대중화되었습니다. 고정된 레이블 데이터셋에서 학습하는 대신, 에이전트는 행동을 취하고, 보상을 관찰하며, 장기적인 총수익을 최대화하는 정책을 점진적으로 형성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/ko/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 →