ข้ามไปยังเนื้อหาScholarGate
ห้องสมุดห้องสมุดของฉันโต๊ะReview Studioผู้ช่วย
เข้าสู่ระบบ
Q-Learning/หลักฐาน
ระเบียนหลักฐานวิธีดำเนินการ

Q-Learning

Q-learning, introduced by Christopher Watkins and Peter Dayan in 1992, is a model-free reinforcement-learning algorithm that learns the value of taking each action in each state — the Q-function — purely from experience, without a model of the environment. It is off-policy: it learns the optimal action-values while following an exploratory behaviour policy, and under standard conditions it provably converges to the optimal policy.

Sources recorded, not reviewed

ระเบียนต้นฉบับ

การอ้างอิงถูกคัดลอกตามต้นฉบับจากระเบียนต้นฉบับของวิธีดำเนินการ ไม่มีการอ้างสิทธิ์ในระดับการตรวจสอบใด ๆ ที่อนุมานได้จากสิ่งเหล่านี้

Q-Learning (Off-Policy Temporal-Difference Control)
ระเบียนวิธีดำเนินการตามอนุกรมวิธาน · ml-model / machine-learning
  • 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
เปิดวิธีดำเนินการฉบับเต็ม

ข้อเรียกร้องที่ดูแลจัดการ

ข้อเรียกร้องถูกจัดเก็บไว้ในบัญชีแยกประเภทหลักฐาน โดยแต่ละรายการมีชุดการประเมินของตนเอง

ยังไม่มีข้อเรียกร้องที่ดูแลจัดการ

มุมมองนี้ไม่ได้สร้างการประเมินข้อเรียกร้องขึ้นมาเมื่อบัญชีแยกประเภทไม่มี

วิธีดำเนินการที่เกี่ยวข้อง

สร้างจากกราฟวิธีดำเนินการและแสดงเป็นความสัมพันธ์ที่แนะนำโดยเครื่องจักร — ไม่มีการอ้างสิทธิ์หลักฐานใด ๆ ที่อนุมานได้

Same method familyDeep Reinforcement Learningmachine-suggested · Relational suggestion, not evidence.See alsoDynamic Programmingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketPolicy Gradientmachine-suggested · Relational suggestion, not evidence.

สถานะหลักฐาน

Sources recorded, not reviewed

Bibliographic sources are present. Claim-level evidence review has not been performed.

แหล่งที่มา

2 การอ้างอิงที่บันทึกไว้ คัดลอกมาจากระเบียนต้นฉบับของวิธีดำเนินการ

การดำเนินการ

เปิดหน้าวิธีดำเนินการ
ScholarGate

ห้องสมุดอ้างอิงด้านวิธีวิจัยที่ยึดเนื้อหาเป็นหลัก — แต่ละวิธีคืออะไร ทำงานอย่างไร และมีที่มาจากไหน

ข้อมูลเปิด (CC-BY)

สำรวจ

  • ห้องสมุด
  • ค้นหาวิธี…
  • เรียกดูตามสาขา
  • สาขาวิชา
  • เส้นทาง
  • เปรียบเทียบ
  • ควรใช้วิธีใด?

ข้อมูลอ้างอิง

  • สาขาวิชา
  • แผนที่
  • อภิธานศัพท์
  • ระเบียบวิธี
  • ปรัชญา

พื้นที่ทำงาน

  • ห้องสมุดของฉัน
  • โต๊ะ
  • แชท

บริษัท

  • เกี่ยวกับ
  • ราคา
  • ติดต่อ
  • เสนอวิธีใหม่

รายการต่าง ๆ รวบรวมจากแหล่งข้อมูลที่ตีพิมพ์แล้วเพื่อใช้อ้างอิง การตรวจสอบความถูกต้องและความเหมาะสมของข้อมูลใด ๆ สำหรับการใช้งานของท่านเองยังคงเป็นความรับผิดชอบของท่าน

© 2026 ScholarGate · ห้องสมุดอ้างอิงด้านวิธีวิจัย
  • ความเป็นส่วนตัว
  • คุกกี้
  • ข้อกำหนด
ลบบัญชี