Přenosové učení s učením posilováním
Přenosové učení s učením posilováním (Transfer RL) je tréninkové paradigma, ve kterém jsou znalosti získané agentem v jedné nebo více zdrojových úlohách – zakódované jako váhy politiky, hodnotové funkce nebo naučené reprezentace – znovu použity k urychlení nebo zlepšení učení v související, ale odlišné cílové úloze. Přímo řeší neefektivitu vzorkování, která trápí učení posilováním od nuly ve složitých nebo nákladných prostředích.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/cs/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.
- Doménově adaptivní zpětné učeníHluboké učení↔ compare
- Jemně doladěné zpatňovací učeníHluboké učení↔ compare
- Zpětnovazební učeníHluboké učení↔ compare
- Přenosové učení s konvoluční neuronovou sítíHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →