Svagt Overvåget Forstærkningslæring
Svagt overvåget forstærkningslæring (WSRL) træner agenter i miljøer, hvor belønningssignalet er ufuldkomment, sparsomt, forsinket eller kun delvist informativt – i modsætning til tæt fuldt overvåget RL. Agenten skal lære effektive politikker på trods af ufuldstændig feedback ved at bruge hjælpesignaler, belønningsmodellering eller præferencelæring for at kompensere for den svage overvågning.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/da/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.
- ForstærkningslæringDyb læring↔ compare
- Selvovervåget forstærkningslæringDyb læring↔ compare
- Semi-overvåget forstærkningslæringDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →