为加深全校师生对深度 Q 网络强化学习方法的了解，6月4日下午，信息与软件学院在实训楼15-B201会议室举办 “深度 Q 网络强化学习方法及应用” 专题讲座，讲座由刘全教授主讲，吸引百余名师生到场聆听。
讲座伊始，刘全教授对深度 Q 网络进行了详细的介绍。他表示深度 Q 网络是一种经典的基于值函数的深度强化学习算法，通过将卷积神经网 CNN 与 Q-Learning 算法相结合，利用 CNN 对图像的强大表征能力，能够将视频帧数据视为强化学习中的状态输入网络，进而根据网络输出的离散的动作值函数选择对应的动作。
随后，刘教授深入阐述了 DQN 算法的理论背景，包括强化学习任务的描述、Q-Learning 的原理以及 DQN 的核心优势。他还提到 DQN 算法常用于处理 Atari 游戏，但又不局限于此，可通过修改 Q 网络来处理不同的任务。
在介绍 Atari 2600 游戏时，刘教授讲解了相关的数据预处理、游戏随机开始的预处理、动作信息预处理以及游戏得分处理等内容。他还展示了深度 Q 网络模型架构，并结合代码进行了深入讲解。
此外，刘教授还介绍了经验回放机制以及 DQN 模型的训练过程，详细阐述了如何通过采样数据、获取损失函数以及模型优化等步骤来训练 DQN 模型。
讲座尾声，刘全教授与在场师生进行了互动交流，耐心解答了大家的疑问。此次讲座深入浅出地讲解了深度 Q 网络强化学习方法及应用，为师生们搭建了一个良好的学习交流平台，使大家对深度 Q 网络有了更深入的理解和认识。
（信息与软件学院 缴艳昆）