Domenam adaptīvā pastiprinājuma mācīšanās
Domenam adaptīvā pastiprinājuma mācīšanās (DARL) paplašina standarta pastiprinājuma mācīšanos, ļaujot politikā, kas apmācīta vienā vidē vai domēnā, efektīvi pāriet un vispārināties uz citu, bet saistītu mērķa domēnu. Tā risina domēnu nobīdes problēmu — kad dinamika, novērojumi vai atlīdzības struktūras atšķiras starp apmācību un izvietošanu — izmantojot saskaņošanas, adaptācijas vai domēnu randomizācijas metodes, samazinot nepieciešamību vākt dārgus pieredzes datus mērķa domēnā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
Kā citēt šo lapu
ScholarGate. (2026, June 3). Domain-Adaptive Reinforcement Learning. ScholarGate. https://scholargate.app/lv/deep-learning/domain-adaptive-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.
- Dziļā pastiprinātā mācīšanāsDziļā mācīšanās↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →