Aprendizaje por Transferencia con Aprendizaje por Refuerzo
El Aprendizaje por Transferencia con Aprendizaje por Refuerzo (Transfer RL) es un paradigma de entrenamiento en el que el conocimiento adquirido por un agente en una o más tareas fuente —codificado como pesos de política, funciones de valor o representaciones aprendidas— se reutiliza para acelerar o mejorar el aprendizaje en una tarea objetivo relacionada pero diferente. Aborda directamente la ineficiencia de muestras que afecta al aprendizaje por refuerzo desde cero en entornos complejos o costosos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/es/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.
- Aprendizaje por Refuerzo Adaptativo al DominioAprendizaje profundo↔ compare
- Aprendizaje por Refuerzo AjustadoAprendizaje profundo↔ compare
- Aprendizaje por RefuerzoAprendizaje profundo↔ compare
- Aprendizaje por transferencia con Red Neuronal ConvolucionalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →