Diagram konseptual dari masukan, fungsi bagian, dan keluaran dalam profil. Susunan kotak tidak menunjukkan urutan perakitan atau posisi fisik.
Teknologi · CC BY 4.0 · Sumber data
Bagaimana cara kerjanya?
Transisi keadaan, tindakan, reward, dan keadaan berikutnya disimpan dalam replay memory. Minibatch transisi melatih nilai Q memakai target Bellman; pemilihan tindakan menggabungkan eksplorasi dengan tindakan yang dinilai memiliki reward masa depan tinggi.
Rujukan penjelasanBagian fungsional
- 01
Jaringan Q
Mengestimasi nilai tindakan.
- 02
Replay memory
Menyimpan pengalaman.
- 03
Pemilih tindakan
Mengelola eksplorasi serta keputusan.
Masukan dan keluaran
Pengalaman lingkungan dan reward.
Estimasi Q serta kebijakan tindakan.
Parameter teknis
Informasi dengan rujukan belum tersedia untuk bagian ini. Profil ini tidak menyajikan spesifikasi angka untuk model tertentu atau nilai yang berlaku bagi seluruh keluarga teknologi.
Versi dan status
Profil membahas konsep atau kategori teknologi; versi implementasi tertentu belum ditetapkan.
Status terbit profil berbeda dari status produksi, dukungan, atau sertifikasi perangkat.
Penerapan dan keterbatasan
- Kontrol permainan
- Pembelajaran tindakan diskret
Batas cakupan
Pendekatan nilai dapat tidak stabil; buffer replay terbatas dan reward yang tidak sesuai mengarahkan pembelajaran keliru.
Teknologi yang terhubung
Hubungan terverifikasi belum tersedia untuk profil ini. Kedekatan topik tidak membuktikan kompatibilitas atau ketergantungan.
Buka peta teknologiDasar penjelasan
- 1. Playing Atari with Deep Reinforcement Learning ↗
arXiv / authors of the paper
Diakses 2026-10-13. Rujukan primer untuk parafrasa editorial. Teks, kode, gambar, dan merek sumber tidak disalin; hak asal tetap pada pemegangnya.