Itseohjautuva vahvistusoppiminen
Itseohjautuva vahvistusoppiminen (SSL-RL) täydentää standardia RL-koulutusta itseohjautuvilla apu-tavoitteilla – kuten kontrastiivisilla, ennustavilla tai data-augmentointiin perustuvilla tehtävillä – joita sovelletaan agentin omaan kokemukseen. Nämä tavoitteet parantavat opittujen representaatioiden laatua ilman ylimääräisiä ihmismerkintöjä, mahdollistaen nopeamman konvergenssin ja paremman otos-tehokkuuden, erityisesti korkeaulotteisissa havaintoavaruuksissa, kuten raakapiikseleissä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/fi/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.
- VahvistusoppiminenSyväoppiminen↔ compare
- Itseohjautuva konvoluutioneuronaaliverkkoSyväoppiminen↔ compare
- Puolivalvottu vahvistusoppiminenSyväoppiminen↔ compare
- Siirto-oppiminen vahvistusoppimisellaSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →