Akopọ
Ẹkọ-Q jẹ algoridimu ikẹkọ imuduro ti o nkọ oluranlowo eyiti awọn iṣe n sanwo julọ nipa kikọ ẹkọ ni iye ti gbigbe kọọkan nipasẹ idanwo ati aṣiṣe. O ṣe pataki nitori pe o le rii ihuwasi ti o dara julọ laisi sọ fun awọn ofin ti agbegbe rẹ lailai.
Q-Ẹkọ jẹ bulọọki ile imọ-ẹrọ ti o ni ipa lori didara awoṣe, idiyele amayederun, lairi, ati igbẹkẹle ni iwọn.
Jin Dive
Ẹkọ-Q kọ ẹkọ iṣẹ kan ti a pe ni Q(s, a): ẹsan igba pipẹ ti a nireti ti gbigbe igbese 'a' ni ipinlẹ 's' ati lẹhinna ṣiṣẹ ni aipe lẹhinna. Aṣoju naa bẹrẹ lati mọ ohunkohun, gbiyanju awọn iṣe, ati ṣe akiyesi awọn ere. Lẹhin igbesẹ kọọkan o ṣe iṣiro iṣiro-Q rẹ si ẹsan ti o kan gba pẹlu iye ẹdinwo ọjọ iwaju ti o dara julọ ti o nireti lati ipinlẹ atẹle. Ni pataki, o jẹ 'pipa-eto imulo' ati 'apẹrẹ-ọfẹ': o le kọ ẹkọ eto imulo ti o dara julọ lakoko ti o n ṣawari laileto, ati pe ko nilo awoṣe ti bii agbaye ṣe yipada. Fifun iwadi ti o to ti gbogbo bata igbese-ipinlẹ, awọn iye-Q-ni o daju pe o ṣajọpọ si awọn iye ti o dara julọ, ati pe iṣe ti o dara julọ ni eyikeyi ipinlẹ jẹ ọkan ti o ni Q ga julọ.
Imọ-imọ-ẹrọ
Kokoro ni imudojuiwọn Bellman: Q(s,a) <- Q(s,a) + alpha[r + gamma*max_a'Q(s',a') - Q(s,a)]. Alpha jẹ oṣuwọn ikẹkọ, gamma ifosiwewe ẹdinwo iwuwo awọn ere iwaju, ati pe ọrọ akọmọ jẹ aṣiṣe iyatọ-akoko. 'Max' lori awọn iṣe atẹle jẹ ohun ti o jẹ ki o wa ni pipa-ilana ati jẹ ki o kọ ẹkọ eto imulo aipe ojukokoro paapaa lakoko ti o n ṣawari. Ṣiṣayẹwo ni igbagbogbo ni a mu pẹlu yiyan iṣe-ojukokoro epsilon.
Titunto si Q-Ẹkọ
Ẹkọ-Q jẹ algoridimu ikẹkọ imuduro ti o nkọ oluranlowo eyiti awọn iṣe n sanwo julọ nipa kikọ ẹkọ ni iye ti gbigbe kọọkan nipasẹ idanwo ati aṣiṣe. O ṣe pataki nitori pe o le rii ihuwasi ti o dara julọ laisi sọ fun awọn ofin ti agbegbe rẹ lailai. Q-Ẹkọ jẹ bulọọki ile imọ-ẹrọ ti o ni ipa lori didara awoṣe, idiyele amayederun, lairi, ati igbẹkẹle ni iwọn. Lati kọ oye ti o jinlẹ, ṣe itọju Q-Ẹkọ bi awoṣe iṣẹ, kii ṣe ẹya ẹyọkan: ṣalaye awọn abajade ti o fẹ, ṣe alaye awọn arosọ, ati lọtọ ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.
Ni iṣe, awọn ẹgbẹ ti o lagbara ni lilo Q-Learning ṣe iṣapeye faaji, data, ati awọn yiyan amayederun lodi si igbẹkẹle ati idiyele. Wọn ṣe akọsilẹ awọn ibeere aṣeyọri ti o fojuhan, idanwo lodi si data ojulowo ati ṣiṣan iṣẹ, ati atunbere ti o da lori awọn ilana ikuna ti a ṣakiyesi dipo awọn bori ala-akoko kan. Eyi ni ibiti oye imọ-jinlẹ yipada si agbara ti o tọ kọja ọja, eto imulo, ati awọn iṣẹ ṣiṣe.
Awọn ipinnu faaji ṣe awakọ iṣẹ ati idiyele iṣẹ fun awọn ọdun. Ni akoko kanna, Imudara iwọn ala kan le tọju awọn ailagbara eto to gbooro. Ọna resilient julọ julọ ni lati darapọ iyara idanwo pẹlu ibawi ijọba: ṣiṣe awọn awakọ awakọ, mu ẹri mu, ṣe atẹjade awọn iwe ipinnu, ati imudojuiwọn awọn aabo nigbagbogbo bi ihuwasi awoṣe, awọn ireti olumulo, ati awọn ibeere ilana ti dagbasoke.
Ipa Ilana
Awọn ipinnu faaji ṣe awakọ iṣẹ ati idiyele iṣẹ fun awọn ọdun.
Awọn ipinnu faaji ṣe awakọ iṣẹ ati idiyele iṣẹ fun awọn ọdun. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Ẹkọ imọ-ẹrọ ṣe iranlọwọ fun awọn ẹgbẹ lati yan akopọ to tọ, kii ṣe ọkan tuntun nikan.
Ẹkọ imọ-ẹrọ ṣe iranlọwọ fun awọn ẹgbẹ lati yan akopọ to tọ, kii ṣe ọkan tuntun nikan. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn yiyan imọ-ẹrọ to dara julọ dinku awọn iṣẹlẹ igbẹkẹle ni iṣelọpọ.
Awọn yiyan imọ-ẹrọ to dara julọ dinku awọn iṣẹlẹ igbẹkẹle ni iṣelọpọ. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Real-World imuse
Awọn aṣoju ere Atari (DeepMind's DQN) kọ ẹkọ lati mu ṣiṣẹ Breakout ati Pong taara lati awọn piksẹli iboju
Mimu akoko ijabọ-ina ijabọ ni awọn ikorita lati dinku lapapọ akoko idaduro ọkọ
Lilọ kiri roboti nipasẹ akoj tabi iruniloju nibiti roboti ti kọ ẹkọ ọna ti o pọ julọ ere
Ifowoleri ti o ni agbara ati awọn ipinnu ọja-itaja nibiti aṣoju kan kọ ẹkọ iru awọn iṣe wo ni o mu ere pipẹ pọ si
Awọn Ilana imuse
Q-Ẹkọ ni iṣe
Awọn aṣoju iṣere ere Atari (DeepMind's DQN) kọ ẹkọ lati mu ṣiṣẹ Breakout ati Pong taara lati awọn piksẹli iboju.
Awọn aṣoju iṣere ere Atari (DeepMind's DQN) ẹkọ lati mu ṣiṣẹ Breakout ati Pong taara lati awọn piksẹli iboju Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodiwọn didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa mejeeji awọn anfani iṣelọpọ ati awọn idiyele aṣiṣe lori akoko.
Q-Ẹkọ ni iṣe
Mimu akoko ijabọ-ina ijabọ ni awọn ikorita lati dinku lapapọ akoko idaduro ọkọ.
Ṣiṣapeye akoko-ina ijabọ ni awọn ikorita lati dinku lapapọ akoko idaduro ọkọ Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Q-Ẹkọ ni iṣe
Lilọ kiri roboti nipasẹ akoj tabi iruniloju nibiti roboti ti kọ ọna ti o ga julọ ti ẹsan.
Lilọ kiri roboti nipasẹ akoj tabi iruniloju nibiti robot ti kọ ẹkọ ti o kuru ju ere-ifilọlẹ ipa-ọna Awọn ẹgbẹ nigbagbogbo gba awọn abajade ti o dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Q-Ẹkọ ni iṣe
Ifowoleri ti o ni agbara ati awọn ipinnu ọja-itaja nibiti aṣoju kan kọ ẹkọ iru awọn iṣe wo ni o mu ere pipẹ pọ si.
Ifowoleri ti o ni agbara ati awọn ipinnu akojo oja nibiti aṣoju kan kọ ẹkọ iru awọn iṣe ti o pọ si awọn ere ere gigun ti awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe ni akoko pupọ.
Awọn ewu & Awọn ọna iṣọ
Ṣiṣepe ala-ilẹ kan le tọju awọn ailagbara eto ti o gbooro.
Awọn ohun elo amayederun ati awọn idiyele itọju nigbagbogbo ni aibikita.
Aabo ati awọn ela akiyesi le dagba bi awọn eto ṣe di eka sii.
Ilana Ilana imuse
Ṣetumo lairi, didara, ati awọn ibi-afẹde idiyele ṣaaju imuse.
Ṣetumo lairi, didara, ati awọn ibi-afẹde idiyele ṣaaju imuse. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Aṣepari labẹ ẹru ojulowo ati awọn ipo data.
Aṣepari labẹ ẹru ojulowo ati awọn ipo data. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Abojuto ohun elo fun awọn aṣiṣe, fiseete, ati ipa olumulo.
Abojuto ohun elo fun awọn aṣiṣe, fiseete, ati ipa olumulo. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Mura ipadasẹhin pada ati awọn ipa ọna esi iṣẹlẹ ṣaaju iwọn.
Mura ipadasẹhin pada ati awọn ipa ọna esi iṣẹlẹ ṣaaju iwọn. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.