Я учусь на курсе под названием «Интеллектуальные машины» в университете. Нас познакомили с 3 методами усиленного обучения, и с ними нам дали интуицию, когда их использовать, и я цитирую: Q-Learning — лучше всего, когда MDP не может быть решен....

У меня есть нейронная сеть, предназначенная для игры в Connect 4, она измеряет ценность состояния игры по отношению к игроку 1 или игроку 2. Чтобы обучить его, я заставляю его играть против самого себя n количество игр. Я обнаружил, что 1000...