Q regresyon sinir ağı

Q öğrenme yöntemi takviyeli öğrenme için önemli bir gelişme olmuştur. Ancak gerçek dünya problemlerinin sahip olduğu devasa büyüklükteki durum-aksiyon sayısı Q öğrenme yöntemini uygulanamaz hale getirmektedir. Bu durum sadece durum-aksiyon uzayını genellemeyecek, aynı zamanda da öğrenmeyi hızlandıracak etkili bir regresyon metodunu gerekmektedir. Bu tezde Q regresyon yapay sinir ağı adında Q değer fonksiyonunun genelleştirilmesi ile GRNN formunda bir yapı kullanılması sonucu elde edilen yeni bir eğiticisiz yapay sinir ağı önerilmiştir. QRNN Q ajanının ürettiği veriler üzerinde çalışır. Önerilen metot popüler takviyeli öğrenme çalışma ortamları üzerinde test edilmiş, Q öğrenme yöntemi ve diğer regresyon yöntemleri ile karşılaştırılmıştır. Test sonucunda öğrenme hızının karşılaştırılan yöntemlere göre oldukça yüksek olduğu gözlenmiştir. Anahtar Kelimeler: Takviyeli Öğrenme, Q öğrenme yöntemi, Q değer fonksiyonu genelleme, GRNN