Machine learningDeep learning / NLP / CV

การเรียนรู้แบบเสริมกำลังกึ่งมีผู้สอน

การเรียนรู้แบบเสริมกำลังกึ่งมีผู้สอน (SSRL) ผสมผสานการเรียนรู้แบบเสริมกำลังมาตรฐาน — ซึ่งเอเจนต์จะเรียนรู้จากสัญญาณรางวัลที่เบาบาง — เข้ากับเทคนิคกึ่งมีผู้สอนที่สกัดโครงสร้างจากการโต้ตอบกับสภาพแวดล้อมที่ไม่มีป้ายกำกับ เป้าหมายคือเพื่อปรับปรุงประสิทธิภาพของตัวอย่างและการสรุปความเมื่อการตอบสนองจากรางวัลมีราคาแพง ล่าช้า หรือมีให้สำหรับส่วนเล็กๆ ของประสบการณ์ของเอเจนต์เท่านั้น

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. 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
  2. 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

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Semi-supervised Reinforcement Learning (SSRL). ScholarGate. https://scholargate.app/th/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.

Compare side by side

ถูกอ้างอิงโดย

ScholarGateSemi-supervised Reinforcement Learning (Semi-supervised Reinforcement Learning (SSRL)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/semi-supervised-reinforcement-learning · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026