Q-learning
Sign in to save'''Q-learning''' is a reinforcement learning algorithm that trains an agent to assign values to its possible actions based on its current state, without requiring a model of the environment (model-free). It can handle problems with stochastic transitions and rewards without requiring adaptations.
Wikidata facts
- Instance of
- algorithm
- Subclass of
- model-free reinforcement learning
Show 3 more facts
- Stack Exchange tag
- ai.stackexchange.com/tags/q-learning
- facet of
- reinforcement learning
- ACM Classification Code (2012)
- 10010329
via Wikidata · CC0
Article · Español
Q-learning es una técnica de aprendizaje por refuerzo utilizada en aprendizaje automático. El objetivo del Q-learning es aprender una serie de normas que le diga a un agente qué acción tomar bajo qué circunstancias. No requiere un modelo del entorno y puede manejar problemas con transiciones estocásticas y recompensas sin requerir adaptaciones. Para cualquier finito (PDMF) (finite Markov decision process en inglés), Q-learning encuentra una política óptima en el sentido de que maximiza el valor esperado de la recompensa total sobre todos los pasos sucesivos, empezando desde el estado actual. Q-learning puede identificar una norma de acción-selección óptima para cualquier PDMF, dado un tiempo de exploración infinito y una norma parcialmente aleatoria "Q" nombra la función que devuelve la recompensa que proporciona el refuerzo y representa la "calidad" de una acción tomada en un estado dado.
Abstract from DBpedia / Wikipedia · CC BY-SA