দুর্বলভাবে তত্ত্বাবধানে থাকা রিইনফোর্সমেন্ট লার্নিং
দুর্বলভাবে তত্ত্বাবধানে থাকা রিইনফোর্সমেন্ট লার্নিং (WSRL) এমন পরিবেশে এজেন্টদের প্রশিক্ষণ দেয় যেখানে পুরস্কার সংকেত অসম্পূর্ণ, বিরল, বিলম্বিত বা কেবল আংশিকভাবে তথ্যপূর্ণ — ঘনভাবে সম্পূর্ণ তত্ত্বাবধানে থাকা RL-এর বিপরীতে। অসম্পূর্ণ প্রতিক্রিয়া সত্ত্বেও এজেন্টকে কার্যকর নীতি শিখতে হবে, সহায়ক সংকেত, পুরস্কার মডেলিং বা পছন্দের শিক্ষা ব্যবহার করে দুর্বল তত্ত্বাবধানের ক্ষতিপূরণ দিতে হবে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/bn/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.
- রিইনফোর্সমেন্ট লার্নিংগভীর শিখন↔ compare
- স্ব-তত্ত্বাবধানে রিইনফোর্সমেন্ট লার্নিংগভীর শিখন↔ compare
- সেমি-সুপারভাইজড রিইনফোর্সমেন্ট লার্নিংগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →