Magyarázható megerősítéses tanulás
A magyarázható megerősítéses tanulás (Explainable Reinforcement Learning, XRL) olyan módszerekkel bővíti a standard megerősítéses tanulási ágenseket, amelyek az ágensek stratégiáit, döntéseit és tanult viselkedését értelmezhetővé teszik az emberek számára. Ahelyett, hogy a stratégiát fekete dobozként kezelné, az XRL utólagos magyarázatokat készít, vagy eleve átlátható stratégiákat épít, lehetővé téve a bizalom ellenőrzését, a hibakeresést és az elszámoltathatóságot a nagy téttel járó automatizált döntéshozatalban.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Puiutta, E., & Veith, E. M. S. P. (2020). Explainable Reinforcement Learning: A Survey. In Machine Learning and Knowledge Extraction (CD-MAKE 2020), Lecture Notes in Computer Science, vol. 12279, pp. 77–95. Springer. DOI: 10.1007/978-3-030-57321-8_5 ↗
- Explainable artificial intelligence. Wikipedia. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Explainable Reinforcement Learning (XRL). ScholarGate. https://scholargate.app/hu/deep-learning/explainable-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.
- Attention MechanismMélytanulás↔ compare
- Magyarázható BERT-alapú osztályozásMélytanulás↔ compare
- Megerősítéses tanulásMélytanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →