Hlboké posilňované učenie
Hlboké posilňované učenie kombinuje neurónové siete s posilňovaným učením, takže agent sa učí interakciou s prostredím. Spopularizované bolo prácou Mniha a kolegov z roku 2015 v časopise Nature o kontrole hier Atari na ľudskej úrovni. Namiesto učenia sa z pevného označeného dátového súboru agent vykonáva akcie, pozoruje odmeny a postupne formuje politiku, ktorá maximalizuje dlhodobý zisk.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/sk/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.
- Neúrové vyhľadávanie architektúryHlboké učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- Rekurentná neurónová sieťHlboké učenie↔ compare
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →