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
SARSA 최신 뉴스와 핵심 해설
SARSA 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 →
시간차 학습과 Q러닝 정리: 몬테카를로부터 SARSA·기대 SARSA까지 강화학습 핵심
강화학습에서 가장 독창적인 아이디어로 꼽히는 시간차 학습을 몬테카를로 방법의 변형으로 차근히 설명하고, Q러닝과 SARSA·기대 SARSA가 절벽 걷기나 바람 부는 격자 같은 예제에서 왜 서로 다르게 행동하는지 정리했다.
핵심 내용 읽기 →
강화학습 함수 근사 쉽게 이해하기: 가치 오차부터 준그래디언트 TD와 치명적 삼요소까지
상태가 이미지처럼 거대해지면 표 기반 강화학습은 무너진다. 함수 근사로 넘어갈 때 무엇이 달라지는지, 일반화라는 진짜 과제와 가치 오차, 준그래디언트 TD, 마운틴카 예제, 치명적 삼요소까지 차근차근 정리했다.
핵심 내용 읽기 →
Q-러닝과 시간차 학습 이해하기: 환경 모델 없는 강화학습의 핵심 원리와 SARSA 비교
환경 모델 없이 시행착오로 배우는 강화학습에서 몬테카를로 학습과 시간차 학습의 차이부터 Q-러닝과 SARSA, 오프폴리시와 온폴리시의 구분, 그리고 입실론-그리디 탐험 전략까지 핵심 원리를 쉽게 정리했습니다.
핵심 내용 읽기 →