Pembelajaran Transfer dengan Pembelajaran Penguatan
Pembelajaran Transfer dengan Pembelajaran Penguatan (Transfer RL) adalah paradigma pelatihan di mana pengetahuan yang diperoleh oleh agen dalam satu atau lebih tugas sumber — yang dikodekan sebagai bobot kebijakan, fungsi nilai, atau representasi yang dipelajari — digunakan kembali untuk mempercepat atau meningkatkan pembelajaran dalam tugas target yang terkait tetapi berbeda. Ini secara langsung mengatasi inefisiensi sampel yang menghantui pembelajaran penguatan dari awal di lingkungan yang kompleks atau mahal.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Taylor, M. E., & Stone, P. (2009). Transfer Learning for Reinforcement Learning Domains: A Survey. Journal of Machine Learning Research, 10, 1633–1685. link ↗
- Lazaric, A. (2012). Transfer in Reinforcement Learning: A Framework and a Survey. In M. Wiering & M. van Otterlo (Eds.), Reinforcement Learning: State-of-the-Art (pp. 143–173). Springer. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/id/deep-learning/transfer-learning-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.
- Pembelajaran Penguatan Adaptif DomainPembelajaran Mendalam↔ compare
- Pembelajaran Penguatan yang DisesuaikanPembelajaran Mendalam↔ compare
- Pembelajaran PenguatanPembelajaran Mendalam↔ compare
- Transfer Learning dengan Convolutional Neural NetworkPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →