目录:
定义-深度Q网络是什么意思？
深度Q网络（DQN）是利用深度Q学习以提供诸如智能视频游戏模拟的模型之类的神经网络（和/或相关工具）。 Deep Q Networks不是卷积神经网络和其他使用特定方法来了解各种过程的结构，而是特定于特定神经网络构建的特定名称。
Techopedia解释了深度Q网络
深度Q学习的方法通常使用一种称为一般策略迭代的方法（描述为策略评估和策略迭代的结合）来从高维感官输入中学习策略。
例如，技术出版物（如Medium）中涵盖的一种常见的深层Q网络会采用Atari 2600视频游戏的感官输入来模拟结果。 这是在非常基本的级别上完成的，方法是收集样本，存储样本并使用它们进行体验重播以更新Q网络。
在一般意义上，深度Q网络训练代表区域中活跃参与者的输入或其他有经验的样本，并学习将这些数据与所需的输出进行匹配。 这是人工智能开发中的一种有力方法，可以在较高水平上玩象棋这样的游戏，或进行其他高层次的认知活动– Atari或国际象棋视频游戏示例也是AI如何使用人工智能的一个很好的例子。人工代理传统上使用的接口类型。
换句话说，通过深度Q学习，AI玩家将变得更像人类玩家以学习达到期望的结果。
