Gyengén felügyelt megerősítéses tanulás
A gyengén felügyelt megerősítéses tanulás (WSRL) olyan környezetekben képezi a tanító ügynököket, ahol a jutalmazási jel tökéletlen, ritka, késleltetett vagy csak részben informatív – ellentétben a sűrű, teljesen felügyelt RL-lel. Az ügynöknek a hiányos visszajelzések ellenére hatékony politikákat kell megtanulnia, kiegészítő jelek, jutalmazási modellezés vagy preferenciatanulás felhasználásával a gyenge felügyelet kompenzálására.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/hu/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.
- Megerősítéses tanulásMélytanulás↔ compare
- Önfeltérképező megerősítéses tanulásMélytanulás↔ compare
- Félfelügyelt megerősítő tanulásMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →