Quiz RL - Deep Q Learning

Control SARSA terinspirasi dari:

• Policy evaluation

• Policy Iteration

• Value iteration

• Value evaluation

Control Q Learning terinspirasi dari:

• Policy iteration

• Policy evaluation

• Value iteration

• Value evaluation

Control DQ Learning terinspirasi dari:

• Policy iteration

• Value iteration

• Artificial Neural Network

• Artificial Neural Network & Q Learning

Perbedaan antara Control Q Learning dengan SARSA terletak pada:

• Epsilon - Greedy Policy

• Greedy Policy

• Exploitation Policy

• Exploitation - Greedy Policy

Q-value function memiliki input berupa:

• state

• value

• state value

• state action

Q-value function memiliki output berupa:

• state

• value

• state value

• state action

Eksplorasi pada pemilihan action berguna untuk:

• Memilih episode terbaik dari state berikut

• Memilih value terbaik dari state berikut

• Memilih value terbesar dari state berikut

• Memilih action lain dari state tersebut

Eksploitasi pada pemilihan action berguna untuk:

• Memilih episode terbaik dari state berikut

• Memilih value terbaik dari state berikut

• Memilih action lain dari state tersebut

• Memilih action berbeda untuk mendapatkan action terbaik

Bagaimana melatih/menghitung Q-value pada Q-Learning?

• Dengan melatih ANN

• Dari hasil perhitungan komulatif reward

• Dari hasil perhitungan reward dan Q-value state berikutnya

• Dari hasil perhitungan return dan Q-value state berikutnya

Bagaimana mendapatkan Q-value pada DQ-Learning?

• Dengan menggunakan ANN yang terlatih

• Dari hasil perhitungan komulatif reward

• Dari hasil perhitungan reward dan Q-value pada state berikutnya

• Dari hasil perhitungan Q-value optimal