Mësimi i përforcuar gjysmë-mbikëqyrës
Mësimi i përforcuar gjysmë-mbikëqyrës (SSRL) kombinon mësimin e përforcuar standard — ku një agjent mëson nga sinjale shpërblimi të rralla — me teknika gjysmë-mbikëqyrëse që nxjerrin strukturë nga ndërveprimet e mjedisit pa etiketë. Qëllimi është të përmirësohet efikasiteti i mostrës dhe gjeneralizimi kur kthimi i shpërblimit është i kushtueshëm, i vonuar, ose i disponueshëm vetëm për një pjesë të përvojës së agjentit.
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
- Zhan, X., Zhu, X., & Shi, H. (2022). Deepthermal: Combustion optimization for thermal power generating units using offline reinforcement learning. Proceedings of the AAAI Conference on Artificial Intelligence, 36(4), 4680–4688. link ↗
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Semi-supervised Reinforcement Learning (SSRL). ScholarGate. https://scholargate.app/sq/deep-learning/semi-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 mësuarit përforcues i përshtatshëm për domeninMësimi i thellë↔ compare
- Të nxënit përforcuesMësimi i thellë↔ compare
- Mësimi i përforcuar me vetë-mbikëqyrjeMësimi i thellë↔ compare
- Transformuesi gjysmë i mbikëqyrurMësimi i thellë↔ compare
- Mësimi me Transferim dhe Mësimi me PërforcimMësimi i thellë↔ compare
- Mësimi i përforcuar me mbikëqyrje të dobëtMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →