Învățare prin consolidare auto-supervizată
Învățarea prin consolidare auto-supervizată (SSL-RL) extinde antrenamentul standard al învățării prin consolidare (RL) cu obiective auxiliare auto-supervizate — cum ar fi sarcini bazate pe contrast, predicție sau augmentare de date — aplicate experienței proprii a agentului. Aceste obiective îmbunătățesc calitatea reprezentărilor învățate fără a necesita etichete umane suplimentare, permițând o convergență mai rapidă și o eficiență mai bună a eșantionării, în special în spații de observație de înaltă dimensiune, cum ar fi pixelii bruti.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/ro/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.
- Învățare prin consolidareÎnvățare profundă↔ compare
- Rețea neuronală convoluțională auto-supervizatăÎnvățare profundă↔ compare
- Învățare prin consolidare semi-supervizatăÎnvățare profundă↔ compare
- Învățarea prin Transfer cu Învățare prin ConsolidareÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →