Q-Learning
Verfahren des verstärkenden Lernens, das Aktionswerte (Q) für Zustände schätzt; Deep-Q-Netze verbinden es mit neuronalen Netzen für hochdimensionale Eingaben wie Spielpixel.
Q-Learning ist ein Algorithmus des verstärkenden Lernens, der schätzt, wie gut jede Aktion in jedem Zustand ist. Ein Agent wählt Aktionen, um langfristige Belohnung zu maximieren, und erkundet dabei Alternativen. Klassisches tabellarisches Q-Learning funktioniert bei kleinen Zustandsräumen; neuronale Netze können Q-Werte für große Eingaben wie Rohvideo approximieren.
DeepMinds DQN (Artikel) verband Q-Learning mit einem konvolutionalen neuronalen Netz und Stabilisatoren wie Experience Replay und erreichte allein aus Pixeln menschenähnliche Punktzahlen bei mehreren Atari-Spielen.