Обучение с переносом и обучение с подкреплением
Обучение с переносом и обучение с подкреплением (Transfer RL) — это парадигма обучения, при которой знания, полученные агентом в одной или нескольких исходных задачах — закодированные в весах политики, функциях ценности или изученных представлениях — повторно используются для ускорения или улучшения обучения в связанной, но отличающейся целевой задаче. Это напрямую решает проблему неэффективности использования выборок, которая характерна для обучения с подкреплением с нуля в сложных или дорогостоящих средах.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/ru/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.
- Адаптивное обучение с подкреплением в условиях смены доменаГлубокое обучение↔ compare
- Дообученное обучение с подкреплениемГлубокое обучение↔ compare
- Обучение с подкреплениемГлубокое обучение↔ compare
- Transfer Learning with Convolutional Neural NetworkГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →