Samostalno nadgledano pojačano učenje
Samostalno nadgledano pojačano učenje (SSL-RL) unapređuje standardnu obuku pojačanog učenja (RL) sa samostalno nadgledanim pomoćnim ciljevima — kao što su kontrastni, prediktivni ili zadaci zasnovani na proširenju podataka — primenjenim na sopstveno iskustvo agenta. Ovi ciljevi poboljšavaju kvalitet naučenih reprezentacija bez zahtevanja dodatnih ljudskih oznaka, omogućavajući bržu konvergenciju i bolju efikasnost uzoraka, posebno u prostorima opservacija visoke dimenzionalnosti kao što su sirovi pikseli.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/sr/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.
- Učenje pojačavanjemDuboko učenje↔ compare
- Samonadzirana konvoluciona neuronska mrežaDuboko učenje↔ compare
- Polunadzirano učenje potkrepljivanjemDuboko učenje↔ compare
- Transfer Learning with Reinforcement LearningDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →