Siirto-oppiminen vahvistusoppimisella
Siirto-oppiminen vahvistusoppimisella (Transfer RL) on koulutusparadigma, jossa yhden tai useamman lähdetehtävän aikana hankittua tietoa – joka on koodattu politiikkapainoina, arvo-funktioina tai opittuina esityksinä – käytetään uudelleen oppimisen nopeuttamiseksi tai parantamiseksi liittyvässä, mutta erilaisessa kohdetehtävässä. Se käsittelee suoraan näyte-tehottomuutta, joka vaivaa vahvistusoppimista tyhjästä monimutkaisissa tai kalliissa ympäristöissä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/fi/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.
- Toimialaan mukautuva vahvistusoppiminenSyväoppiminen↔ compare
- Hienosäädetty vahvistusoppiminenSyväoppiminen↔ compare
- VahvistusoppiminenSyväoppiminen↔ compare
- Siirto-oppiminen konvoluutionaalisella neuroverkollaSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →