Mësimi i përforcuar me mbikëqyrje të dobët
Mësimi i përforcuar me mbikëqyrje të dobët (WSRL) trajnon agjentë në mjedise ku sinjali i shpërblimit është i papërsosur, i rrallë, i vonuar, ose vetëm pjesërisht informativ — ndryshe nga RL plotësisht i mbikëqyrur dhe i dendur. Agjenti duhet të mësojë politika efektive pavarësisht nga reagimet e paplota, duke përdorur sinjale ndihmëse, modelim shpërblimi, ose mësim preferencash për të kompensuar mbikëqyrjen e dobët.
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
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/sq/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.
- Të nxënit përforcuesMësimi i thellë↔ compare
- Mësimi i përforcuar me vetë-mbikëqyrjeMësimi i thellë↔ compare
- Mësimi i përforcuar gjysmë-mbikëqyrësMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →