Machine learningDeep learning / NLP / CV
التعلم المعزز شبه المُشرف (Semi-supervised Reinforcement Learning)
يجمع التعلم المعزز شبه المُشرف (SSRL) بين التعلم المعزز القياسي - حيث يتعلم الوكيل من إشارات مكافأة متفرقة - والتقنيات شبه المُشرفة التي تستخلص البنية من تفاعلات البيئة غير المُصنفة. الهدف هو تحسين كفاءة العينات والتعميم عندما تكون تغذية المرتد للمكافأة مكلفة أو متأخرة أو متاحة لجزء فقط من تجربة الوكيل.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Zhan, X., Zhu, X., & Shi, H. (2022). Deepthermal: Combustion optimization for thermal power generating units using offline reinforcement learning. Proceedings of the AAAI Conference on Artificial Intelligence, 36(4), 4680–4688. link ↗
- Laskin, M., Srinivas, A., & Abbeel, P. (2020). CURL: Contrastive Unsupervised Representations for Reinforcement Learning. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 5639–5650. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Semi-supervised Reinforcement Learning (SSRL). ScholarGate. https://scholargate.app/ar/deep-learning/semi-supervised-reinforcement-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التعلم المعزز المتكيف مع المجال (Domain-Adaptive Reinforcement Learning - DARL)التعلم العميق↔ compare
- التعلم المعززالتعلم العميق↔ compare
- التعلم المعزز ذاتي الإشرافالتعلم العميق↔ compare
- المحولات شبه المُشرف عليهاالتعلم العميق↔ compare
- التعلم بالنقل مع التعلم المعززالتعلم العميق↔ compare
- التعلم المعزز ضعيف الإشرافالتعلم العميق↔ compare