Садржај
- Дефиниција - Шта значи дубока К-мрежа?
- Увод у Мицрософт Азуре и Мицрософт Цлоуд | Кроз овај водич научићете о томе шта се рачуна у облаку и како вам Мицрософт Азуре може помоћи да мигрирате и покренете посао из облака.
- Тецхопедиа објашњава дубоке К-мреже
Дефиниција - Шта значи дубока К-мрежа?
Дееп К Нетворкс (ДКН) су неуронске мреже (и / или сродни алати) који користе дубоко К учење да би пружили моделе као што је симулација интелигентне игре са видео играма. Уместо да буде специфично име за одређену изградњу неуронске мреже, Дееп К мреже могу бити састављене од конволуционарних неуронских мрежа и других структура које користе специфичне методе за учење о различитим процесима.
Увод у Мицрософт Азуре и Мицрософт Цлоуд | Кроз овај водич научићете о томе шта се рачуна у облаку и како вам Мицрософт Азуре може помоћи да мигрирате и покренете посао из облака.
Тецхопедиа објашњава дубоке К-мреже
Метода дубоког К учења обично користи нешто што се назива општа итерација политике, описана као спој евалуације политике и итерације политике, како би се научиле политике из сензорног уноса велике димензије.
На пример, уобичајена врста дубоке К мреже покривене у техничким публикацијама попут Медиум-а узима сензорне податке из видео игара Атари 2600 да би се моделирали резултати. То се постиже на врло фундаменталном нивоу прикупљањем узорака, њиховим чувањем и коришћењем за понављање искуства у циљу ажурирања К мреже.
У општем смислу, дубоке К мреже тренирају на улазима који представљају активне играче у областима или другим искусним узорцима и уче да ускладе те податке са жељеним излазима. Ово је моћна метода у развоју вештачке интелигенције која може играти игре попут шаха на високом нивоу или вршити друге когнитивне активности високог нивоа - пример Атари или шаховске видео игре такође је добар пример како АИ користи врсте интерфејса који су традиционално користили људски агенси.
Другим речима, са дубоким К учењем, АИ играч постаје више попут људског играча у учењу ради постизања жељених резултата.