למידת חיזוק בפיקוח-עצמי
למידת חיזוק בפיקוח-עצמי (Self-supervised Reinforcement Learning, SSL-RL) משפרת אימון RL סטנדרטי באמצעות מטרות עזר בפיקוח-עצמי — כגון משימות מבוססות ניגודיות, חיזוי, או הרחבת נתונים — המיושמות על הניסיון של הסוכן עצמו. מטרות אלו משפרות את איכות הייצוגים הנלמדים ללא צורך בתוויות אנושיות נוספות, ומאפשרות התכנסות מהירה יותר ויעילות דגימה טובה יותר, במיוחד במרחבי תצפית בעלי מימדיות גבוהה כמו פיקסלים גולמיים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/he/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.
- למידת חיזוקלמידה עמוקה↔ compare
- רשת קונבולוציה למידה עצמית-מונחיתלמידה עמוקה↔ compare
- למידת חיזוק מונחית-למחצהלמידה עמוקה↔ compare
- למידת העברה עם למידת חיזוקלמידה עמוקה↔ compare