1.0라이브스마트https://atmokpo.com/wroothttps://atmokpo.com/w/author/root/21. 함수 근사를 통한 대규모 상태 공간 처리, 신경망을 이용한 Q-함수 및 정책 근사 - 라이브스마트rich600338<blockquote class="wp-embedded-content" data-secret="ogH89qfYMN"><a href="https://atmokpo.com/w/40414/">21. 함수 근사를 통한 대규모 상태 공간 처리, 신경망을 이용한 Q-함수 및 정책 근사</a></blockquote><iframe sandbox="allow-scripts" security="restricted" src="https://atmokpo.com/w/40414/embed/#?secret=ogH89qfYMN" width="600" height="338" title="“21. 함수 근사를 통한 대규모 상태 공간 처리, 신경망을 이용한 Q-함수 및 정책 근사” — 라이브스마트" data-secret="ogH89qfYMN" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe><script>
/*! This file is auto-generated */
!function(d,l){"use strict";l.querySelector&&d.addEventListener&&"undefined"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!/[^a-zA-Z0-9]/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),o=l.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),c=new RegExp("^https?:$","i"),i=0;i<o.length;i++)o[i].style.display="none";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute("style"),"height"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):"link"===t.message&&(r=new URL(s.getAttribute("src")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener("message",d.wp.receiveEmbedMessage,!1),l.addEventListener("DOMContentLoaded",function(){for(var e,t,s=l.querySelectorAll("iframe.wp-embedded-content"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute("data-secret"))||(t=Math.random().toString(36).substring(2,12),e.src+="#?secret="+t,e.setAttribute("data-secret",t)),e.contentWindow.postMessage({message:"ready",secret:t},"*")},!1)))}(window,document);
//# sourceURL=https://atmokpo.com/w/wp-includes/js/wp-embed.min.js
</script>
강화학습(Reinforcement Learning, RL)은 에이전트가 환경과 상호작용하며 최적의 행동 정책을 학습해 나가는 과정을 다룬다. 하지만, 많은 실제 문제들은 대규모 상태 공간을 처리해야 하며, 이로 인해 전통적인 강화학습 알고리즘의 적용이 어렵다. 이러한 문제를 해결하기 위해 함수 근사(Function Approximation) 기법이 도입되었다. 본 강좌에서는 신경망을 활용한 Q-함수 및 정책 근사에 대해 자세히 설명하겠다. 1. 함수 근사란? 함수 근사는 비선형 … 더 보기 ""