Poolitud õppimisega tugevdamine
Poolitatud õppimisega tugevdamine (SSRL) ühendab standardse tugevdamisõppega — kus agent õpib harvadest tasusignaalidest — poolitatud õppimise tehnikatega, mis eraldavad struktuuri märgistamata keskkonnavestlustest. Eesmärk on parandada näidisefektiivsust ja üldistamist, kui tasu tagasiside on kulukas, viivitatud või kättesaadav vaid murdosale agendi kogemusest.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Zhan, X., Zhu, X., & Shi, H. (2022). Deepthermal: Combustion optimization for thermal power generating units using offline reinforcement learning. Proceedings of the AAAI Conference on Artificial Intelligence, 36(4), 4680–4688. link ↗
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Reinforcement Learning (SSRL). ScholarGate. https://scholargate.app/et/deep-learning/semi-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.
- Valdkonnaspetsiifiline tugevdatud õppimineSüvaõpe↔ compare
- TugevdamisõpeSüvaõpe↔ compare
- Eneseteadlik tugevdamisõpeSüvaõpe↔ compare
- Poolitatud TransformerSüvaõpe↔ compare
- Ülekandeõpe koos tugevdusõppegaSüvaõpe↔ compare
- Nõrgalt juhendatud tugevdamisõpeSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →