Învățare prin consolidare slab supervizată
Învățarea prin consolidare slab supervizată (WSRL) antrenează agenți în medii în care semnalul de recompensă este imperfect, rar, întârziat sau doar parțial informativ — spre deosebire de RL complet supervizat, cu recompensă densă. Agentul trebuie să învețe politici eficiente în ciuda feedback-ului incomplet, utilizând semnale auxiliare, modelarea recompensei sau învățarea preferințelor pentru a compensa supervizarea slabă.
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
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/ro/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.
- Învățare prin consolidareÎnvățare profundă↔ compare
- Învățare prin consolidare auto-supervizatăÎnvățare profundă↔ compare
- Învățare prin consolidare semi-supervizatăÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →