Machine learning

การเรียนรู้แบบเสริมกำลังเชิงลึก

การเรียนรู้แบบเสริมกำลังเชิงลึก (Deep Reinforcement Learning) ผสมผสานโครงข่ายประสาทเทียมเข้ากับการเรียนรู้แบบเสริมกำลัง เพื่อให้เอเจนต์เรียนรู้ผ่านการปฏิสัมพันธ์กับสภาพแวดล้อม ซึ่งได้รับความนิยมจากผลงานของ Mnih และคณะ ในปี 2015 ในวารสาร Nature เกี่ยวกับการควบคุมเกม Atari ในระดับมนุษย์ แทนที่จะเรียนรู้จากชุดข้อมูลที่มีป้ายกำกับตายตัว เอเจนต์จะดำเนินการ สังเกตผลตอบแทน และค่อยๆ ปรับปรุงนโยบาย (policy) ที่จะเพิ่มผลตอบแทนระยะยาวให้สูงสุด

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. Mnih, V. et al. (2015). Human-Level Control through Deep Reinforcement Learning. Nature, 518, 529–533. DOI: 10.1038/nature14236
  2. Schulman, J. et al. (2017). Proximal Policy Optimization Algorithms. arXiv:1707.06347. link

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/th/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

ถูกอ้างอิงโดย

ScholarGateDeep Reinforcement Learning (Deep Reinforcement Learning (DQN / PPO / A3C)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/deep-reinforcement-learning · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026