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.
In the Vinony graph
Within Vinony's link graph, Q-learning is referenced by 387 other articles, and connects out to artificial neural network, transformer and online machine learning.
Vinony files it under 1989 in artificial intelligence, Machine learning algorithms and Reinforcement learning.
Its subject is documented across 20 Wikipedia language editions.
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