Полу-наблюдавано обучение с подсилване
Полу-наблюдаваното обучение с подсилване (SSRL) комбинира стандартното обучение с подсилване — при което агентът се учи от редки сигнали за награда — с полу-наблюдавани техники, които извличат структура от немаркирани взаимодействия със средата. Целта е да се подобри ефективността на извадката и обобщаването, когато обратната връзка за награда е скъпа, забавена или налична само за част от опита на агента.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Reinforcement Learning (SSRL). ScholarGate. https://scholargate.app/bg/deep-learning/semi-supervised-reinforcement-learning
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Domain-adaptive reinforcement learningДълбоко обучение↔ сравняване
- Обучение с подкреплениеДълбоко обучение↔ сравняване
- Самообучаващо се подсилващо обучениеДълбоко обучение↔ сравняване
- Трансформер с полунаблюдавано обучениеДълбоко обучение↔ сравняване
- Трансферно обучение с обучение с подсилванеДълбоко обучение↔ сравняване
- Слабо контролирано обучение с подкреплениеДълбоко обучение↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →