Самообучающееся обучение с подкреплением
Самообучающееся обучение с подкреплением (SSL-RL) дополняет стандартное обучение RL вспомогательными самообучающимися задачами — такими как контрастивные, предиктивные или основанные на аугментации данных — применяемыми к собственному опыту агента. Эти задачи улучшают качество изученных представлений без необходимости дополнительных человеческих меток, обеспечивая более быструю сходимость и лучшую эффективность использования выборок, особенно в пространствах наблюдений высокой размерности, таких как необработанные пиксели.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/ru/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.
- Обучение с подкреплениемГлубокое обучение↔ compare
- Self-supervised convolutional neural networkГлубокое обучение↔ compare
- Обучение с подкреплением с частичным привлечением учителяГлубокое обучение↔ compare
- Обучение с переносом и обучение с подкреплениемГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →