🎯Q-Learning
Model-free, off-policy алгоритм. Q(s, a) = ожидаемая награда за действие a в состоянии s. Bellman equation: Q(s,a) ← Q(s,a) + α[r + γ·max Q(s',a') - Q(s,a)]. α — learning rate, γ — discount factor. ε-greedy exploration. Tabular Q-learning: Q-таблица. Deep Q-Network (DQN): нейросеть вместо таблицы.
📖6 мин чтения📊Уровень 7📅19 февраля 2026 г.
🗺️ Mind Map
Загрузка карты...
❓Часто задаваемые вопросы
Q-Learning — это тема о правилах, механизмах и практиках в своей области. Она помогает понять, как принимаются решения и к каким последствиям они приводят.