Слабо контролирано обучение с подкрепление
Слабо контролираното обучение с подкрепление (WSRL) обучава агенти в среди, където сигналът за награда е непълен, рядък, забавен или само частично информативен — за разлика от плътното напълно контролирано RL. Агентът трябва да научи ефективни политики въпреки непълната обратна връзка, като използва спомагателни сигнали, моделиране на награди или обучение чрез предпочитания, за да компенсира слабото наблюдение.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
- Christiano, P., Leike, J., Brown, T. B., Martic, M., Legg, S. & Amodei, D. (2017). Deep reinforcement learning from human preferences. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/bg/deep-learning/weakly-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.
- Обучение с подкреплениеДълбоко обучение↔ compare
- Самообучаващо се подсилващо обучениеДълбоко обучение↔ compare
- Полу-наблюдавано обучение с подсилванеДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →