Machine learningDeep learning / NLP / CV
강화학습에서의 전이 학습
강화학습에서의 전이 학습(Transfer RL)은 한 개 이상의 소스 태스크에서 에이전트가 습득한 지식—정책 가중치, 가치 함수 또는 학습된 표현으로 인코딩됨—을 관련성이 있지만 다른 타겟 태스크에서의 학습을 가속화하거나 개선하기 위해 재사용하는 훈련 패러다임입니다. 이는 복잡하거나 비용이 많이 드는 환경에서 처음부터 강화학습을 수행할 때 발생하는 샘플 비효율성 문제를 직접적으로 해결합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →