Machine learningDeep learning / NLP / CV
弱教師あり強化学習
弱教師あり強化学習（WSRL）は、報酬信号が不完全、疎、遅延している、または部分的にしか情報を提供しない環境でエージェントを訓練する。これは、密な完全教師ありRLとは対照的である。エージェントは、不完全なフィードバックにもかかわらず、補助信号、報酬モデリング、または選好学習を使用して弱い教師あり信号を補うことで、効果的な方策を学習しなければならない。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →