DQN

释义 Definition

DQN 是 Deep Q-Network（深度 Q 网络） 的缩写，一种把 深度神经网络 与 Q-learning（动作价值函数学习） 结合起来的强化学习方法，常用于让智能体在环境中通过试错学习做决策（如玩游戏、控制机器人等）。

发音 Pronunciation (IPA)

/ˌdiːkjuːˈɛn/

例句 Examples

I trained a DQN to play the game better over time.
我训练了一个 DQN，让它随着时间推移把游戏玩得越来越好。

After tuning the replay buffer and target network, the DQN achieved stable performance across multiple levels.
在调好经验回放缓冲区和目标网络之后，这个 DQN 在多个关卡上都取得了稳定的表现。

词源 Etymology

DQN 来自论文与工程实践中的缩写 Deep Q-Network：

• Deep 指用深度神经网络做函数逼近；
• Q 来自 Q-learning 中的动作价值函数 \(Q(s,a)\)；
• Network 指用于预测各动作价值的神经网络结构。
  该术语因 2015 年 DeepMind 的研究而广为流行。

相关词 Related Words

• Reinforcement Learning
• Q-Learning
• Neural Network
• Deep Learning
• Experience Replay
• Target Network
• Policy
• Value Function

文学与著名作品中的用例 Literary Works

• Human-level control through deep reinforcement learning（Mnih et al., Nature, 2015）——提出并系统化 DQN 的经典论文。
• Reinforcement Learning: An Introduction（Sutton & Barto）——在后续版本与相关讨论中常提及 DQN 作为深度强化学习代表方法之一。