Maze Q-Table

کمک سیکھنے سے ایجنٹ کو ماحول میں آزمائش اور غلطی کے ذریعے سیکھنے کی اجازت ملتی ہے۔ ایک بھولبلییا کا تصور کریں۔ Q-ٹیبل کا استعمال کرتے ہوئے، ایجنٹ بھولبلییا (ریاست) کو تلاش کرتا ہے اور مختلف اقدامات کرتا ہے (جیسے اوپر، نیچے، بائیں یا دائیں حرکت کرنا)۔ Q-ٹیبل ہر ریاست میں ہر کارروائی کے لیے موصول ہونے والے انعامات (اچھے انتخاب کے لیے مثبت، برے فیصلوں کے لیے منفی) کا ٹریک رکھتا ہے۔ وقت گزرنے کے ساتھ، ایجنٹ Q-ٹیبل کو اپ ڈیٹ کرتا ہے تاکہ ان کاموں کو ترجیح دی جائے جو سب سے زیادہ انعام کی طرف لے جاتے ہیں اور آخرکار بھولبلییا کے ذریعے بہترین راستہ سیکھتا ہے۔

کر کے سیکھیں۔

اس ایپ میں، آپ اینٹوں سے بھری بھولبلییا کے ذریعے ایجنٹ کی رہنمائی کریں گے۔ ایجنٹ بھولبلییا کو نیویگیٹ کرنے اور مقصد تک پہنچنے کے لیے کیو لرننگ نامی تکنیک کا استعمال کرے گا۔ ایجنٹ کی تلاش اور سیکھنے کے عمل کو دیکھ کر، آپ کو کمک سیکھنے کے تصورات کی سمجھ حاصل ہو جائے گی۔

* سایڈست دشواری

ایجنٹ کے لیے چیزوں کو آسان یا مشکل بنانا چاہتے ہیں؟ آپ دو ترتیبات کو ایڈجسٹ کرکے بھولبلییا کی مشکل کو کنٹرول کرسکتے ہیں:

اینٹوں کی رکاوٹ کا سائز: اینٹوں کے سائز کا انتخاب کریں جس کی ایجنٹ کو گھومنے پھرنے کی ضرورت ہے۔ بڑی اینٹوں سے زیادہ کھلی بھولبلییا پیدا ہوتی ہے، جبکہ چھوٹی اینٹوں سے سخت نچوڑ ہوتا ہے۔

اقساط کی تعداد: یہ ترتیب طے کرتی ہے کہ ایجنٹ کتنی بار بھولبلییا سیکھنے کی کوشش کرے گا۔ مزید اقساط کے ساتھ، ایجنٹ کے پاس اپنی فیصلہ سازی کی حکمت عملی کو تلاش کرنے اور اسے بہتر بنانے کے زیادہ مواقع ہوتے ہیں۔

کنٹرول لیں اور پیشرفت کو ٹریک کریں۔

ایپ تخروپن کو کنٹرول کرنے کے لیے دو بٹن فراہم کرتی ہے:

بھولبلییا پیدا کریں: یہ بٹن منتخب کردہ اینٹوں کے سائز کے ساتھ ایک نئی بھولبلییا بناتا ہے۔

سیکھنا شروع کریں: ایک بار جب آپ بھولبلییا کے لے آؤٹ سے خوش ہو جائیں، ایجنٹ کے سیکھنے کا عمل شروع کرنے کے لیے اس بٹن پر کلک کریں۔

سیکھنے کی پیشرفت کا تصور کریں۔

بھولبلییا کو نیویگیٹ کرنے والے ایجنٹ کا مشاہدہ کرنے کے علاوہ، آپ شامل لرننگ ریٹ گراف کے ساتھ اس کی سیکھنے کی پیشرفت کو بھی ٹریک کرسکتے ہیں۔ یہ گراف ایجنٹ کے انعامات (مثبت کمک) بمقابلہ قسطوں کی تعداد کو پیش کرتا ہے۔ اس گراف کا تجزیہ کرکے، آپ دیکھ سکتے ہیں کہ ایجنٹ کی سیکھنے کی شرح اس کی فیصلہ سازی پر کس طرح اثر انداز ہوتی ہے اور وقت کے ساتھ ساتھ اس میں کس طرح بہتری آتی ہے۔

خود سے کمک سیکھنے کی طاقت کا مشاہدہ کرنے کے لئے تیار ہوجائیں! جیسا کہ ایجنٹ بھولبلییا کو دریافت کرتا ہے، آپ دیکھیں گے کہ وہ کس طرح بہترین انتخاب کرنا اور چیلنج کو فتح کرنا سیکھتا ہے۔ سیکھنے کی شرح کا گراف اس کے تربیتی سفر کے دوران ایجنٹ کی پیشرفت کو دیکھ کر آپ کی سمجھ میں مزید اضافہ کرے گا۔