Uczenie transferowe z uczeniem przez wzmacnianie
Uczenie transferowe z uczeniem przez wzmacnianie (Transfer RL) to paradygmat treningowy, w którym wiedza nabyta przez agenta w jednym lub kilku zadaniach źródłowych — zakodowana jako wagi polityki, funkcje wartości lub nauczone reprezentacje — jest ponownie wykorzystywana do przyspieszenia lub poprawy uczenia w powiązanym, ale innym zadaniu docelowym. Bezpośrednio rozwiązuje problem niskiej efektywności próbkowania, który nęka uczenie od zera w złożonych lub kosztownych środowiskach.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/pl/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.
- Adaptacyjne uczenie ze wzmocnieniem dla różnych domenUczenie głębokie↔ compare
- Dostrajanie uczenia przez wzmacnianieUczenie głębokie↔ compare
- Uczenie ze wzmocnieniemUczenie głębokie↔ compare
- Uczenie transferowe z konwolucyjną siecią neuronowąUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →