Mësim i përforcuar i shpjegueshëm
Mësimi i përforcuar i shpjegueshëm (XRL) i pasuron agjentët standardë të mësimit të përforcuar me metoda që i bëjnë politikat, vendimet dhe sjelljet e tyre të mësuara të interpretohen nga njerëzit. Në vend që të trajtojë politikën si një kuti të zezë, XRL prodhon shpjegime pas-hoc ose ndërton politika transparente në mënyrë të brendshme, duke mundësuar verifikimin e besimit, debagimin dhe llogaridhënien në vendimmarrjen e automatizuar me rrezik të lartë.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Explainable Reinforcement Learning (XRL). ScholarGate. https://scholargate.app/sq/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.
- Mekanizmi i vëmendjesMësimi i thellë↔ compare
- Klasifikimi i shpjegueshëm i bazuar në BERTMësimi i thellë↔ compare
- Të nxënit përforcuesMësimi i thellë↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →