Tabla de contenido:
Definición - ¿Qué significa Deep Q-Networks?
Las redes Deep Q (DQN) son redes neuronales (y / o herramientas relacionadas) que utilizan el aprendizaje profundo Q para proporcionar modelos como la simulación de juegos inteligentes de videojuegos. En lugar de ser un nombre específico para una construcción de red neuronal específica, Deep Q Networks puede estar compuesto de redes neuronales convolucionales y otras estructuras que utilizan métodos específicos para aprender sobre diversos procesos.
Techopedia explica Deep Q-Networks
El método de aprendizaje profundo de Q generalmente usa algo llamado iteración de política general, que se describe como la conjunción de la evaluación de políticas y la iteración de políticas, para aprender políticas a partir de información sensorial dimensional.
Por ejemplo, un tipo común de red Q profunda cubierta en publicaciones tecnológicas como Medium toma información sensorial de los videojuegos Atari 2600 para modelar resultados. Esto se realiza en un nivel muy fundamental mediante la recopilación de muestras, su almacenamiento y su uso para la reproducción de la experiencia con el fin de actualizar la red Q.
En un sentido general, las redes Q profundas se entrenan en entradas que representan jugadores activos en áreas u otras muestras experimentadas y aprenden a relacionar esos datos con las salidas deseadas. Este es un método poderoso en el desarrollo de la inteligencia artificial que puede jugar juegos como el ajedrez a un alto nivel, o llevar a cabo otras actividades cognitivas de alto nivel: el ejemplo de juego de video Atari o ajedrez también es un buen ejemplo de cómo la IA usa el tipos de interfaces que tradicionalmente usaban los agentes humanos.
En otras palabras, con el aprendizaje profundo de Q, el jugador de IA puede ser más como un jugador humano en el aprendizaje para lograr los resultados deseados.
