Eneseteadlik tugevdamisõpe
Eneseteadlik tugevdamisõpe (SSL-RL) täiendab standardset tugevdamisõppe treeningut eneseteadlike abieesmärkidega – nagu kontrastiivsed, ennustavad või andmetüüpide laiendusel põhinevad ülesanded – mis rakenduvad agendi enda kogemusele. Need eesmärgid parandavad õpitud representatsioonide kvaliteeti ilma täiendavate inimeste antud siltideta, võimaldades kiiremat konvergentsi ja paremat näidisefektiivsust, eriti kõrgedimensioonilistes vaatlusruumides nagu toored pikslid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Laskin, M., Srinivas, A., & Abbeel, P. (2020). CURL: Contrastive Unsupervised Representations for Reinforcement Learning. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 5639–5650. link ↗
- Laskin, M., Lee, K., Stooke, A., Pinto, L., Abbeel, P., & Srinivas, A. (2021). Reinforcement Learning with Augmented Data. Advances in Neural Information Processing Systems (NeurIPS), 33, 19884–19895. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/et/deep-learning/self-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.
- TugevdamisõpeSüvaõpe↔ compare
- Eneseteadlik konvolutsiooniline närvivõrkSüvaõpe↔ compare
- Poolitud õppimisega tugevdamineSüvaõpe↔ compare
- Ülekandeõpe koos tugevdusõppegaSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →