Slabá riadená výučba posilňovaním
Slabá riadená výučba posilňovaním (WSRL) trénuje agentov v prostrediach, kde je signál odmeny neúplný, riedky, oneskorený alebo len čiastočne informujúci — na rozdiel od hustej plne riadenej RL. Agent sa musí naučiť efektívne politiky napriek neúplnej spätnej väzbe, pričom na kompenzáciu slabej supervízie využíva pomocné signály, modelovanie odmien alebo učenie preferencií.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/sk/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.
- Reinforcement LearningHlboké učenie↔ compare
- Reinforcement Learning so SamoučenímHlboké učenie↔ compare
- Polosupervizované posilňovanie učeniaHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →