ScholarGate
Asistent
Machine learningDeep learning / NLP / CV

Domenski adaptivno učenje potkrepljenjem

Domenski adaptivno učenje potkrepljenjem (DARL) proširuje standardno učenje potkrepljenjem (RL) omogućavajući politici obučenoj u jednom okruženju ili domeni da se učinkovito prenese i generalizira na različitu, ali srodnu ciljnu domenu. Ono rješava problem domenskog pomaka — gdje se dinamika, opažanja ili strukture nagrada razlikuju između obuke i primjene — tehnikama poravnanja, adaptacije ili domenske randomizacije, smanjujući potrebu za prikupljanjem skupog iskustva u ciljnoj domeni.

Otvorite u MethodMindUskoroVideoUskoroPreuzmi prezentaciju

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Karta metoda

Okruženje srodnih metoda — odaberite čvor za istraživanje.

Domenski adaptivno učenje potkrepljenjem
Duboko pojačavajuće učen…Prijenosno učenjePolu-nadgledano pojačava…Prenosno učenje s potkre…

Izvori

  1. Kim, K., Kim, H., Lim, H., & Choi, J. (2020). Domain Adaptive Reinforcement Learning with Model-Based Approach. arXiv preprint arXiv:2102.03170. link ↗
  2. Domain adaptation. Wikipedia. link ↗

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Domain-Adaptive Reinforcement Learning. ScholarGate. https://scholargate.app/hr/deep-learning/domain-adaptive-reinforcement-learning

Koja metoda?

Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.

Usporedi jedno uz drugo →

Citirana u

Polu-nadgledano pojačavajuće učenjePrenosno učenje s potkrepljenim učenjem

Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →

ScholarGate — Domain-adaptive reinforcement learning (Domain-Adaptive Reinforcement Learning). Preuzeto 2026-06-15 s https://scholargate.app/hr/deep-learning/domain-adaptive-reinforcement-learning · Skup podataka: https://doi.org/10.5281/zenodo.20539026