یادگیری انتقالی با یادگیری تقویتی
یادگیری انتقالی با یادگیری تقویتی (Transfer RL) یک پارادایم آموزشی است که در آن دانش کسبشده توسط یک عامل در یک یا چند وظیفه منبع — که بهصورت وزنهای سیاست، توابع ارزش، یا بازنماییهای آموختهشده کدگذاری شده است — برای تسریع یا بهبود یادگیری در یک وظیفه هدف مرتبط اما متفاوت، مجدداً استفاده میشود. این روش مستقیماً به ناکارآمدی نمونهای که یادگیری تقویتی از ابتدا در محیطهای پیچیده یا پرهزینه را مختل میکند، میپردازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/fa/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.
- یادگیری تقویتی تطبیقی دامنهیادگیری عمیق↔ compare
- یادگیری تقویتی تنظیمشده دقیقیادگیری عمیق↔ compare
- یادگیری تقویتییادگیری عمیق↔ compare
- یادگیری انتقالی با شبکههای عصبی کانولوشنییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →