Aprenentatge per Transferència amb Aprenentatge per Reforçament
L'aprenentatge per transferència amb aprenentatge per reforçament (Transfer RL) és un paradigma d'entrenament en el qual el coneixement adquirit per un agent en una o més tasques font —codificat com a pesos de política, funcions de valor o representacions apreses— es reutilitza per accelerar o millorar l'aprenentatge en una tasca objectiu relacionada però diferent. Aborda directament la ineficiència de mostres que afligeix l'aprenentatge per reforçament des de zero en entorns complexos o costosos.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Taylor, M. E., & Stone, P. (2009). Transfer Learning for Reinforcement Learning Domains: A Survey. Journal of Machine Learning Research, 10, 1633–1685. link ↗
- Lazaric, A. (2012). Transfer in Reinforcement Learning: A Framework and a Survey. In M. Wiering & M. van Otterlo (Eds.), Reinforcement Learning: State-of-the-Art (pp. 143–173). Springer. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/ca/deep-learning/transfer-learning-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.
- Aprenentatge per Reforçament Adaptatiu al DominiAprenentatge profund↔ compare
- Aprenentatge per Reforçament Finament AjustatAprenentatge profund↔ compare
- Aprenentatge per ReforçamentAprenentatge profund↔ compare
- Aprenentatge per transferència amb xarxa neuronal convolucionalAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →