Machine learningDeep learning / NLP / CV

การเรียนรู้แบบเสริมกำลังด้วยการกำกับดูแลตนเอง

การเรียนรู้แบบเสริมกำลังด้วยการกำกับดูแลตนเอง (SSL-RL) เป็นการเพิ่มการฝึกฝน RL มาตรฐานด้วยวัตถุประสงค์เสริมแบบกำกับดูแลตนเอง เช่น งานที่อิงกับการเปรียบเทียบ (contrastive), การทำนาย (predictive) หรือการเพิ่มข้อมูล (data-augmentation-based) ซึ่งนำไปใช้กับประสบการณ์ของเอเจนต์เอง วัตถุประสงค์เหล่านี้ช่วยปรับปรุงคุณภาพของการนำเสนอที่เรียนรู้โดยไม่จำเป็นต้องใช้ป้ายกำกับเพิ่มเติมจากมนุษย์ ทำให้เกิดการบรรจบกันที่เร็วขึ้นและประสิทธิภาพของตัวอย่างที่ดีขึ้น โดยเฉพาะอย่างยิ่งในพื้นที่การสังเกตการณ์ที่มีมิติสูง เช่น พิกเซลดิบ

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. 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
  2. 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

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/th/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.

Compare side by side

ถูกอ้างอิงโดย

ScholarGateSelf-supervised Reinforcement Learning (Self-supervised Reinforcement Learning (SSL-augmented RL)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/self-supervised-reinforcement-learning · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026