Apprentissage par transfert avec apprentissage par renforcement
L'apprentissage par transfert avec apprentissage par renforcement (Transfer RL) est un paradigme d'entraînement dans lequel les connaissances acquises par un agent dans une ou plusieurs tâches sources — encodées sous forme de poids de politique, de fonctions de valeur ou de représentations apprises — sont réutilisées pour accélérer ou améliorer l'apprentissage dans une tâche cible apparentée mais différente. Il aborde directement l'inefficacité d'échantillonnage qui afflige l'apprentissage par renforcement à partir de zéro dans des environnements complexes ou coûteux.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/fr/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.
- Apprentissage par renforcement adaptatif au domaineApprentissage profond↔ compare
- Apprentissage par renforcement affinéApprentissage profond↔ compare
- Apprentissage par renforcementApprentissage profond↔ compare
- Apprentissage par transfert avec réseau neuronal convolutifApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →