Machine learningDeep learning / NLP / CV
強化学習における転移学習
強化学習における転移学習（Transfer RL）は、エージェントが1つ以上のソースタスクで獲得した知識（方策の重み、価値関数、学習された表現として符号化される）を、関連するが異なるターゲットタスクでの学習を加速または改善するために再利用する訓練パラダイムです。これは、複雑な環境やコストのかかる環境でゼロから強化学習を行う際に問題となる、サンプル効率の悪さに直接対処するものです。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/ja/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.
- ドメイン適応型強化学習深層学習↔ compare
- ファインチューニング強化学習深層学習↔ compare
- 強化学習深層学習↔ compare
- 畳み込みニューラルネットワークを用いた転移学習深層学習↔ compare