Skaidrojama pastiprinājuma mācīšanās
Skaidrojama pastiprinājuma mācīšanās (XRL) papildina standarta pastiprinājuma mācīšanās aģentus ar metodēm, kas padara to politikas, lēmumus un apgūtās uzvedības cilvēkiem saprotamas. Tā vietā, lai politiku uzskatītu par melno kasti, XRL ģenerē paskaidrojumus pēc fakta vai veido pašsaprotamas politikas, nodrošinot uzticamības pārbaudi, atkļadošanu un atbildību augsta riska automatizētā lēmumu pieņemšanā.
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
- Puiutta, E., & Veith, E. M. S. P. (2020). Explainable Reinforcement Learning: A Survey. In Machine Learning and Knowledge Extraction (CD-MAKE 2020), Lecture Notes in Computer Science, vol. 12279, pp. 77–95. Springer. DOI: 10.1007/978-3-030-57321-8_5 ↗
- Explainable artificial intelligence. Wikipedia. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Explainable Reinforcement Learning (XRL). ScholarGate. https://scholargate.app/lv/deep-learning/explainable-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.
- Attention mechanismDziļā mācīšanās↔ compare
- Skaidrojama BERT bāzēta klasifikācijaDziļā mācīšanās↔ compare
- Mācīšanās ar pastiprinājumuDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →