Mësimi i përforcuar me vetë-mbikëqyrje
Mësimi i përforcuar me vetë-mbikëqyrje (SSL-RL) plotëson trajnimin standard të RL me objektiva ndihmës me vetë-mbikëqyrje — të tilla si detyra bazuar në kontrast, parashikim ose përforcim të të dhënave — të zbatuara në përvojën e vetë agjentit. Këta objektiva përmirësojnë cilësinë e përfaqësimeve të mësuara pa kërkuar etiketa shtesë njerëzore, duke mundësuar konvergjencë më të shpejtë dhe efikasitet më të mirë të mostrës, veçanërisht në hapësira vëzhgimi me dimension të lartë si pikat e papërpunuara.
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
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/sq/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.
- Të nxënit përforcuesMësimi i thellë↔ compare
- Rrjeti konvolucional me vetë-mbikëqyrjeMësimi i thellë↔ compare
- Mësimi i përforcuar gjysmë-mbikëqyrësMësimi i thellë↔ compare
- Mësimi me Transferim dhe Mësimi me PërforcimMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →