Q-Learning
Q-learning, introdus de Christopher Watkins și Peter Dayan în 1992, este un algoritm de învățare prin consolidare (reinforcement learning) independent de model (model-free) care învață valoarea luării fiecărei acțiuni în fiecare stare — funcția Q — pur din experiență, fără un model al mediului. Este off-policy: învață valorile acțiunilor optime urmând o politică de comportament exploratorie și, în condiții standard, converge demonstrabil către politica optimă.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 2). Q-Learning (Off-Policy Temporal-Difference Control). ScholarGate. https://scholargate.app/ro/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.
- Învățare prin consolidare profundăÎnvățare profundă↔ compare
- Programare DinamicăOptimizare↔ compare
- Metodele de gradient al politiciiÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →