Q-Learning и DQN
🎮Q-Learning и DQN
Watkins (1989): обучение Q-функции (ожидаемая награда). Bellman equation: Q(s,a) = r + γ·max Q(s',a'). Tabular Q-learning → DQN (DeepMind 2013): нейросеть как аппроксиматор Q. Experience replay, target network. Atari games: superhuman на 29/49 играх.
📖6 мин чтения📊Уровень 7🗺️1 подтем📅16 апреля 2026 г.
Загрузка карты...
Простыми словами
Q-Learning и DQN — это способ понять, как в этой сфере устроены правила, решения и реальные последствия для людей.
Более точно
Q-Learning и DQN — предметная область общественного знания, описывающая устойчивые механизмы взаимодействия участников, норм и институтов.
Зачем это нужно
Тема нужна, чтобы принимать более точные решения в контексте раздела «Обучение с подкреплением»: видеть структуру проблемы, ограничения и рабочие инструменты.
Примеры
Практический разбор включает кейсы, сравнение сценариев и проверку результата по понятным критериям.
Частые ошибки
Чаще всего ошибаются из-за упрощения причин, игнорирования контекста и отсутствия проверяемых критериев результата.
Связанные понятия
Policy Gradient методыAlphaGo и AlphaZeroQ-LearningPolicy Gradient
❓Часто задаваемые вопросы
Q-Learning и DQN — это тема о правилах, механизмах и практиках в своей области. Она помогает понять, как принимаются решения и к каким последствиям они приводят.