Vysvetliteľné posilňované učenie
Vysvetliteľné posilňované učenie (XRL) dopĺňa štandardné agentov posilňovaného učenia metódami, ktoré robia ich politiky, rozhodnutia a naučené správanie interpretovateľnými pre ľudí. Namiesto toho, aby sa politika považovala za čiernu skrinku, XRL produkuje post-hoc vysvetlenia alebo buduje inherentne transparentné politiky, čím umožňuje overenie dôveryhodnosti, ladenie a zodpovednosť pri automatizovanom rozhodovaní vo vysokorizikových situáciách.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Puiutta, E., & Veith, E. M. S. P. (2020). Explainable Reinforcement Learning: A Survey. In Machine Learning and Knowledge Extraction (CD-MAKE 2020), Lecture Notes in Computer Science, vol. 12279, pp. 77–95. Springer. DOI: 10.1007/978-3-030-57321-8_5 ↗
- Explainable artificial intelligence. Wikipedia. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Explainable Reinforcement Learning (XRL). ScholarGate. https://scholargate.app/sk/deep-learning/explainable-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.
- Mechanizmus pozornostiHlboké učenie↔ compare
- Vysvetliteľná klasifikácia založená na BERTHlboké učenie↔ compare
- Reinforcement LearningHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →