Pašuzraudzītā pastiprinātā mācīšanās
Pašuzraudzītā pastiprinātā mācīšanās (SSL-RL) papildina standarta RL apmācību ar pašuzraudzības palīguzdevumiem — piemēram, kontrastīviem, prognozējošiem vai uz datu papildināšanu balstītiem uzdevumiem — ko piemēro paša aģenta pieredzei. Šie uzdevumi uzlabo apgūto attēlojumu kvalitāti, neprasot papildu cilvēku etiķetes, nodrošinot ātrāku konverģenci un labāku izlases efektivitāti, īpaši augstas dimensijas novērojumu telpās, piemēram, neapstrādātos pikseļos.
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
- Laskin, M., Srinivas, A., & Abbeel, P. (2020). CURL: Contrastive Unsupervised Representations for Reinforcement Learning. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 5639–5650. link ↗
- Laskin, M., Lee, K., Stooke, A., Pinto, L., Abbeel, P., & Srinivas, A. (2021). Reinforcement Learning with Augmented Data. Advances in Neural Information Processing Systems (NeurIPS), 33, 19884–19895. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/lv/deep-learning/self-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.
- Mācīšanās ar pastiprinājumuDziļā mācīšanās↔ compare
- Pašuzraudzīta konvolūciju neironu tīklsDziļā mācīšanās↔ compare
- Pusuzraudzītā pastiprinājuma mācīšanāsDziļā mācīšanās↔ compare
- Pārneses mācīšanās ar pastiprinājuma mācīšanosDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →