Maze Q-Table

การเรียนรู้แบบเสริมกำลังช่วยให้ตัวแทนสามารถเรียนรู้ผ่านการลองผิดลองถูกในสภาพแวดล้อม ลองนึกภาพเขาวงกต เมื่อใช้ Q-table เจ้าหน้าที่จะสำรวจเขาวงกต (สถานะ) และดำเนินการต่างๆ (เช่น เลื่อนขึ้น ลง ซ้าย หรือขวา) ตาราง Q ติดตามรางวัล (ผลบวกสำหรับตัวเลือกที่ดี ผลลบสำหรับการตัดสินใจที่ไม่ดี) ที่ได้รับจากการกระทำแต่ละอย่างในแต่ละรัฐ เมื่อเวลาผ่านไป เจ้าหน้าที่จะอัปเดตตาราง Q เพื่อจัดลำดับความสำคัญของการดำเนินการที่นำไปสู่รางวัลสูงสุด และเรียนรู้เส้นทางที่ดีที่สุดผ่านเขาวงกตในที่สุด

เรียนรู้โดยการทำ

ในแอพนี้ คุณจะนำทางตัวแทนผ่านเขาวงกตที่เต็มไปด้วยอิฐ เจ้าหน้าที่จะใช้เทคนิคที่เรียกว่า Q-learning เพื่อนำทางในเขาวงกตและบรรลุเป้าหมาย โดยการสังเกตกระบวนการสำรวจและการเรียนรู้ของตัวแทน คุณจะได้รับความเข้าใจเกี่ยวกับแนวคิดการเรียนรู้แบบเสริมกำลัง

* ความยากที่ปรับได้

ต้องการทำให้สิ่งต่าง ๆ ง่ายขึ้นหรือยากขึ้นสำหรับตัวแทน? คุณสามารถควบคุมความยากของเขาวงกตได้โดยการปรับการตั้งค่าสองแบบ:

ขนาดอุปสรรคของอิฐ: เลือกขนาดของอิฐที่เจ้าหน้าที่ต้องการเพื่อนำทาง อิฐขนาดใหญ่จะสร้างเขาวงกตที่เปิดกว้างมากขึ้น ในขณะที่อิฐขนาดเล็กจะทำให้บีบแน่นยิ่งขึ้น

จำนวนตอน: การตั้งค่านี้จะกำหนดจำนวนครั้งที่เจ้าหน้าที่จะพยายามเรียนรู้เขาวงกต เมื่อมีจำนวนตอนมากขึ้น เจ้าหน้าที่จะมีโอกาสสำรวจและปรับปรุงกลยุทธ์การตัดสินใจมากขึ้น

ควบคุมและติดตามความคืบหน้า

แอพนี้มีปุ่มสองปุ่มสำหรับควบคุมการจำลอง:

สร้างเขาวงกต: ปุ่มนี้จะสร้างเขาวงกตใหม่ด้วยขนาดอิฐที่เลือก

เริ่มการเรียนรู้: เมื่อคุณพอใจกับเค้าโครงเขาวงกตแล้ว ให้คลิกปุ่มนี้เพื่อเริ่มกระบวนการเรียนรู้ของตัวแทน

เห็นภาพความก้าวหน้าการเรียนรู้

นอกเหนือจากการสังเกตเจ้าหน้าที่นำทางในเขาวงกตแล้ว คุณยังสามารถติดตามความคืบหน้าการเรียนรู้ด้วยกราฟอัตราการเรียนรู้ที่รวมอยู่ด้วย กราฟนี้แสดงรางวัลของตัวแทน (การเสริมแรงเชิงบวก) เทียบกับจำนวนตอน ด้วยการวิเคราะห์กราฟนี้ คุณจะสามารถดูได้ว่าอัตราการเรียนรู้ของตัวแทนส่งผลต่อการตัดสินใจอย่างไร และจะปรับปรุงอย่างไรเมื่อเวลาผ่านไป

เตรียมพบกับพลังแห่งการเรียนรู้แบบเสริมกำลังโดยตรง! ขณะที่เจ้าหน้าที่สำรวจเขาวงกต คุณจะเห็นว่ามันเรียนรู้ที่จะตัดสินใจเลือกอย่างเหมาะสมและเอาชนะความท้าทายได้อย่างไร กราฟอัตราการเรียนรู้จะช่วยเพิ่มความเข้าใจของคุณโดยการแสดงภาพความคืบหน้าของตัวแทนตลอดเส้นทางการฝึกอบรม