Slabo nadzirano učenje potpomognuto potkrjepljenjem
Slabo nadzirano učenje potpomognuto potkrjepljenjem (WSRL) obučava agente u okruženjima gdje je signal nagrade nesavršen, rijedak, odgođen ili samo djelomično informativan — za razliku od gustog, potpuno nadziranog učenja potpomognutog potkrjepljenjem (RL). Agent mora naučiti učinkovite politike unatoč nepotpunoj povratnoj informaciji, koristeći pomoćne signale, modeliranje nagrade ili učenje preferencija kako bi nadoknadio slabi nadzor.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
- Christiano, P., Leike, J., Brown, T. B., Martic, M., Legg, S. & Amodei, D. (2017). Deep reinforcement learning from human preferences. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/hr/deep-learning/weakly-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.
- Potkrepljivačko učenjeDuboko učenje↔ compare
- Samonadzorirano pojačano učenjeDuboko učenje↔ compare
- Polu-nadgledano pojačavajuće učenjeDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →