یادگیری تقویتی با نظارت ضعیف
یادگیری تقویتی با نظارت ضعیف (WSRL) عاملها را در محیطهایی آموزش میدهد که سیگنال پاداش ناقص، پراکنده، تأخیری یا تنها تا حدی آموزنده است — برخلاف یادگیری تقویتی کاملاً نظارتشده و متراکم. عامل باید سیاستهای مؤثر را با وجود بازخورد ناقص بیاموزد و از سیگنالهای کمکی، مدلسازی پاداش یا یادگیری ترجیحی برای جبران نظارت ضعیف استفاده کند.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/fa/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.
- یادگیری تقویتییادگیری عمیق↔ compare
- یادگیری تقویتی خودنظارتییادگیری عمیق↔ compare
- یادگیری تقویتی نیمهنظارتشدهیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →