Q러닝과 SARSA의 차이부터 DQN의 리플레이 버퍼·타깃 네트워크까지 강화학습 정리
AI 안전 교육과정 ARENA의 강화학습 강의를 정리했다. 정책 대신 Q 표를 직접 배우는 SARSA와 Q러닝의 차이, 절벽 예시로 본 온폴리시·오프폴리시, 그리고 상태가 너무 많을 때 신경망을 끌어들이는 DQN의 구조를 살펴본다.
핵심 내용 읽기 →
AI TOPIC
DQN 최신 뉴스와 핵심 해설
DQN 관련 핵심 뉴스와 활용 인사이트 5편을 최신순으로 모았습니다.
SARSA와 Q러닝 차이 정리: 온폴리시와 오프폴리시, 함수 근사부터 DQN까지 스탠퍼드 강의 해설
같은 절벽 앞에서 SARSA는 안전한 길을, Q러닝은 최단 경로를 택한다. 스탠퍼드 AA203 강의를 따라 두 알고리즘을 가르는 온폴리시와 오프폴리시의 차이부터, 가치 함수 근사와 DQN을 실제로 굴러가게 만든 두 장치까지 짚었다.
핵심 내용 읽기 →
강화학습 기초 강의 정리: 가치 반복부터 Q러닝, DQN, DDPG까지 로봇 학습의 흐름
ETH 취리히 로봇 학습 강의 4강을 정리했다. 전문가 시연을 흉내 내는 모방 학습의 한계에서 출발해 가치 반복과 Q러닝, DQN, 연속 행동을 다루는 DDPG까지 이어지는 강화학습의 계보를 짚는다.
핵심 내용 읽기 →
강화학습 기초 정리: 여섯 가지 질문으로 DQN·정책 경사·액터 크리틱 한 번에 이해하기
Q러닝, 정책 경사, 액터 크리틱을 따로 공부해도 연결되지 않는다면 순서가 문제일 수 있다. 모든 강화학습 알고리즘이 반드시 답해야 하는 여섯 가지 질문을 기준으로 탐색과 활용, TD와 몬테카를로, 어드밴티지까지 전체 지형을 정리했다.
핵심 내용 읽기 →
딥 Q 네트워크(DQN) 쉽게 이해하기 — Q 테이블의 한계와 경험 재현, 타깃 네트워크
강화학습의 Q 테이블이 상태가 많아지면 감당하지 못하는 이유와, 이를 신경망 Q 네트워크로 대체하는 딥 Q 네트워크(DQN)의 작동 원리를, 경험 재현 버퍼와 타깃 네트워크를 중심으로 데이터 수집과 학습 두 단계로 풀어 설명한다.
핵심 내용 읽기 →