Uczenie Q
Uczenie Q, wprowadzone przez Christophera Watkinsa i Petera Dayana w 1992 roku, jest algorytmem uczenia ze wzmocnieniem bez modelu, który uczy się wartości podejmowania każdej akcji w każdym stanie — funkcji Q — wyłącznie na podstawie doświadczenia, bez modelu środowiska. Jest to algorytm off-policy: uczy się optymalnych wartości akcji, podążając za eksploracyjną polityką zachowania, i w standardowych warunkach dowodnie zbiega do optymalnej polityki.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Watkins, C. J. C. H., & Dayan, P. (1992). Q-learning. Machine Learning, 8(3–4), 279–292. DOI: 10.1007/BF00992698 ↗
- Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
Jak cytować tę stronę
ScholarGate. (2026, June 2). Q-Learning (Off-Policy Temporal-Difference Control). ScholarGate. https://scholargate.app/pl/machine-learning/q-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.
- Głębokie uczenie ze wzmocnieniemUczenie głębokie↔ compare
- Programowanie dynamiczneOptymalizacja↔ compare
- Metody gradientu politykiUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →