ScholarGate
সহকারী

পদ্ধতির তুলনা করুন

নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।

সেমি-সুপারভাইজড রিইনফোর্সমেন্ট লার্নিং×আধা-পর্যবেক্ষিত ট্রান্সফরমার×
ক্ষেত্রগভীর শিখনগভীর শিখন
পরিবারMachine learningMachine learning
উদ্ভবের বছর2020s2018–2019
প্রবর্তকMultiple contributors (Laskin, Srinivas, Abbeel et al.)Devlin, J. et al. (BERT); broader SSL-Transformer paradigm community
ধরনSemi-supervised training paradigm for RL agentsSemi-supervised deep learning
মৌলিক উৎসZhan, 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 ↗Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI ↗
অপর নামSSRL, semi-supervised RL, RL with unlabeled data, label-efficient reinforcement learningsemi-supervised transformer model, SSL transformer, transformer with self-supervised pre-training, semi-supervised attention model
সম্পর্কিত65
সারসংক্ষেপSemi-supervised reinforcement learning (SSRL) combines standard reinforcement learning — where an agent learns from sparse reward signals — with semi-supervised techniques that extract structure from unlabeled environment interactions. The goal is to improve sample efficiency and generalization when reward feedback is costly, delayed, or available only for a fraction of the agent's experience.Semi-supervised learning with Transformer architectures leverages large quantities of unlabeled data alongside a small labeled set to train powerful sequence models. The dominant pattern — exemplified by BERT — first pre-trains the Transformer on unlabeled data using self-supervised objectives such as masked token prediction, then fine-tunes it on the labeled task. This two-stage approach dramatically reduces the labeled data needed to achieve strong performance.
ScholarGateডেটাসেট
  1. v1
  2. 2 উৎস
  3. PUBLISHED
  1. v1
  2. 2 উৎস
  3. PUBLISHED

অনুসন্ধানে যান স্লাইড ডাউনলোড করুন

ScholarGateপদ্ধতির তুলনা করুন: Semi-supervised Reinforcement Learning · Semi-supervised Transformer. 2026-06-17 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/compare