Definição – o que significa Deep Q-Networks?
Redes Q Profundas (DQN) são redes neurais (e / ou ferramentas relacionadas) que utilizam aprendizagem Q profunda para fornecer modelos como a simulação de jogo inteligente de videogame. Em vez de ser um nome específico para uma construção de rede neural específica, Deep Q Networks pode ser composta de redes neurais convolucionais e outras estruturas que usam métodos específicos para aprender sobre vários processos.
Definirtec explica Deep Q-Networks
O método de aprendizagem Q profunda normalmente usa algo chamado iteração de política geral, descrita como a conjunção de avaliação de política e iteração de política, para aprender políticas a partir de dados sensoriais de alta dimensão.
Por exemplo, um tipo comum de rede Q profunda coberta em publicações de tecnologia como Medium leva a entrada sensorial de videogames Atari 2600 para modelar resultados. Isso é feito em um nível muito fundamental, reunindo amostras, armazenando-as e usando-as para a reprodução da experiência a fim de atualizar a rede Q.
Em um sentido geral, as redes Q profundas treinam em entradas que representam jogadores ativos em áreas ou outras amostras experientes e aprendem a combinar esses dados com as saídas desejadas. Este é um método poderoso no desenvolvimento da inteligência artificial que pode jogar jogos como xadrez em um alto nível ou realizar outras atividades cognitivas de alto nível – o Atari ou o exemplo de jogo de xadrez também é um bom exemplo de como a IA usa o tipos de interfaces tradicionalmente usados por agentes humanos.
Em outras palavras, com o aprendizado Q profundo, o jogador de IA consegue ser mais parecido com um jogador humano ao aprender a alcançar os resultados desejados.