Machine learningDeep learning / NLP / CV
Semi-supervised Reinforcement Learning
強化学習（RL）における半教師あり学習（Semi-supervised reinforcement learning, SSRL）は、エージェントが疎な報酬信号から学習する標準的な強化学習と、ラベルなし環境相互作用から構造を抽出する半教師あり技術を組み合わせたものである。その目的は、報酬フィードバックが高価であるか、遅延するか、あるいはエージェントの経験のごく一部に対してのみ利用可能な場合に、サンプル効率と汎化性能を向上させることである。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Reinforcement Learning (SSRL). ScholarGate. https://scholargate.app/ja/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.
- ドメイン適応型強化学習深層学習↔ compare
- 強化学習深層学習↔ compare
- 自己教師あり強化学習深層学習↔ compare
- 半教師ありTransformer深層学習↔ compare
- 強化学習における転移学習深層学習↔ compare
- 弱教師あり強化学習深層学習↔ compare