Önfeltérképező megerősítéses tanulás
Az önfeltérképező megerősítéses tanulás (Self-supervised Reinforcement Learning, SSL-RL) a standard megerősítéses tanulási (Reinforcement Learning, RL) tréninget önfeltérképező kiegészítő célokkal egészíti ki – mint például kontrasztív, prediktív vagy adat-augmentáción alapuló feladatok –, amelyeket az ágens saját tapasztalatára alkalmaznak. Ezek a célok javítják a tanult reprezentációk minőségét anélkül, hogy további emberi címkézésre lenne szükség, ami gyorsabb konvergenciát és jobb mintahatékonyságot tesz lehetővé, különösen magas dimenziós megfigyelési terekben, mint például a nyers pixelek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/hu/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.
- Megerősítéses tanulásMélytanulás↔ compare
- Önfelügyelt konvolúciós neurális hálózatMélytanulás↔ compare
- Félfelügyelt megerősítő tanulásMélytanulás↔ compare
- Transzfer Tanulás Reinforcement LearninggelMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →