Félfelügyelt megerősítő tanulás
A félfelügyelt megerősítő tanulás (SSRL) a standard megerősítő tanulást – ahol egy ügynök ritka jutalmi jelzésekből tanul – ötvözi a félfelügyelt technikákkal, amelyek struktúrát vonnak ki címkézetlen környezeti interakciókból. A cél a mintahatékonyság és az általánosítás javítása, amikor a jutalmi visszajelzés költséges, késleltetett, vagy az ügynök tapasztalatainak csak egy töredékére áll rendelkezésre.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Zhan, X., Zhu, X., & Shi, H. (2022). Deepthermal: Combustion optimization for thermal power generating units using offline reinforcement learning. Proceedings of the AAAI Conference on Artificial Intelligence, 36(4), 4680–4688. link ↗
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Semi-supervised Reinforcement Learning (SSRL). ScholarGate. https://scholargate.app/hu/deep-learning/semi-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.
- Domain-Adaptive Reinforcement LearningMélytanulás↔ compare
- Megerősítéses tanulásMélytanulás↔ compare
- Önfeltérképező megerősítéses tanulásMélytanulás↔ compare
- Félfelügyelt TransformerMélytanulás↔ compare
- Transzfer Tanulás Reinforcement LearninggelMélytanulás↔ compare
- Gyengén felügyelt megerősítéses tanulásMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →