Svakt veiledet forsterkningslæring
Svakt veiledet forsterkningslæring (WSRL) trener agenter i miljøer der belønningssignalet er ufullkomment, sparsomt, forsinket eller bare delvis informativt – i motsetning til tett, fullt veiledet forsterkningslæring (RL). Agenten må lære effektive strategier til tross for ufullstendig tilbakemelding, ved å bruke hjelpesignaler, belønningsmodellering eller preferanselæring for å kompensere for den svake veiledningen.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
- Christiano, P., Leike, J., Brown, T. B., Martic, M., Legg, S. & Amodei, D. (2017). Deep reinforcement learning from human preferences. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/no/deep-learning/weakly-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.
- ForsterkningslæringDyp læring↔ compare
- Selv-overvåket forsterkningslæringDyp læring↔ compare
- Semi-overvåket ForsterkningsopplæringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →