Pārneses mācīšanās ar pastiprinājuma mācīšanos
Pārneses mācīšanās ar pastiprinājuma mācīšanos (Transfer RL) ir apmācības paradigma, kurā zināšanas, ko aģents ieguvis vienā vai vairākās avota uzdevumos — kodētas kā politikas svari, vērtību funkcijas vai apgūtas reprezentācijas —, tiek atkārtoti izmantotas, lai paātrinātu vai uzlabotu mācīšanos saistītā, bet atšķirīgā mērķa uzdevumā. Tā tieši risina paraugu neefektivitāti, kas apgrūtina pastiprinājuma mācīšanos no nulles sarežģītās vai dārgās vidēs.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/lv/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.
- Domenam adaptīvā pastiprinājuma mācīšanāsDziļā mācīšanās↔ compare
- Saskaņotā pastiprinātās mācīšanās (Fine-Tuned Reinforcement Learning)Dziļā mācīšanās↔ compare
- Mācīšanās ar pastiprinājumuDziļā mācīšanās↔ compare
- Pārneses apmācība ar konvolucionālo neironu tīkluDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →