Transfer Learning met Reinforcement Learning
Transfer Learning met Reinforcement Learning (Transfer RL) is een trainingsparadigma waarbij kennis die door een agent is opgedaan in één of meerdere brontaken — gecodeerd als beleidsgewichten, waardefuncties of geleerde representaties — wordt hergebruikt om het leren in een gerelateerde maar verschillende doeltaak te versnellen of te verbeteren. Het pakt direct de sample-inefficiëntie aan die kenmerkend is voor reinforcement learning vanaf nul in complexe of dure omgevingen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/nl/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.
- Domein-adaptieve Reinforcement LearningDeep learning↔ compare
- Fine-Tuned Reinforcement LearningDeep learning↔ compare
- Reinforcement LearningDeep learning↔ compare
- Transfer Learning met Convolutional Neural NetworkDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →