Học tăng cường sâu
Học tăng cường sâu (Deep Reinforcement Learning) kết hợp mạng nơ-ron với học tăng cường để một tác nhân học hỏi thông qua tương tác với môi trường. Phương pháp này trở nên phổ biến nhờ công trình năm 2015 của Mnih và các cộng sự trên tạp chí Nature về điều khiển Atari ở cấp độ con người. Thay vì học từ một tập dữ liệu được gán nhãn cố định, tác nhân thực hiện các hành động, quan sát phần thưởng và dần dần hình thành một chính sách nhằm tối đa hóa lợi nhuận dài hạn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/vi/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.
- Tìm kiếm Kiến trúc Mạng Nơ-ronHọc sâu↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- Mạng nơ-ron hồi quyHọc sâu↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →