Definición: ¿Qué significa Deep Q-Networks?
Las redes Deep Q (DQN) son redes neuronales (y / o herramientas relacionadas) que utilizan el aprendizaje profundo de Q para proporcionar modelos como la simulación de juegos de video inteligentes. En lugar de ser un nombre específico para una construcción de red neuronal específica, Deep Q Networks puede estar compuesta por redes neuronales convolucionales y otras estructuras que utilizan métodos específicos para aprender sobre varios procesos.
Techinfo explica Deep Q-Networks
El método de aprendizaje profundo de Q generalmente utiliza algo llamado iteración de políticas generales, que se describe como la conjunción de la evaluación de políticas y la iteración de políticas, para aprender políticas a partir de información sensorial de alta dimensión.
Por ejemplo, un tipo común de red de Q profunda cubierto en publicaciones de tecnología como Medium toma información sensorial de los videojuegos Atari 2600 para modelar los resultados. Esto se hace en un nivel muy fundamental recopilando muestras, almacenándolas y usándolas para reproducir la experiencia con el fin de actualizar la red Q.
En un sentido general, las redes Q profundas se entrenan con entradas que representan a los jugadores activos en áreas u otras muestras experimentadas y aprenden a hacer coincidir esos datos con las salidas deseadas. Este es un método poderoso en el desarrollo de 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 los videojuegos de ajedrez o Atari es también un buen ejemplo de cómo la IA usa el tipos de interfaces que fueron utilizadas tradicionalmente por agentes humanos.
En otras palabras, con el aprendizaje profundo de Q, el jugador de la IA llega a ser más como un jugador humano en el aprendizaje para lograr los resultados deseados.