Transfer Learning with Reinforcement Learning
Transfer Learning with Reinforcement Learning (Transfer RL) คือ กระบวนทัศน์การฝึกสอนที่ความรู้ที่ได้มาโดยเอเจนต์ในงานต้นทาง (source tasks) หนึ่งงานหรือมากกว่านั้น — ซึ่งถูกเข้ารหัสในรูปของน้ำหนักนโยบาย (policy weights), ฟังก์ชันคุณค่า (value functions), หรือการแทนค่าที่เรียนรู้ (learned representations) — จะถูกนำกลับมาใช้ใหม่เพื่อเร่งหรือปรับปรุงการเรียนรู้ในงานเป้าหมาย (target task) ที่มีความสัมพันธ์กันแต่แตกต่างออกไป วิธีการนี้จัดการโดยตรงกับปัญหาความไร้ประสิทธิภาพของตัวอย่าง (sample-inefficiency) ที่เป็นปัญหาหลักของการเรียนรู้แบบเสริมกำลัง (reinforcement learning) ตั้งแต่ต้นในสภาพแวดล้อมที่ซับซ้อนหรือมีค่าใช้จ่ายสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Taylor, M. E., & Stone, P. (2009). Transfer Learning for Reinforcement Learning Domains: A Survey. Journal of Machine Learning Research, 10, 1633–1685. link ↗
- Lazaric, A. (2012). Transfer in Reinforcement Learning: A Framework and a Survey. In M. Wiering & M. van Otterlo (Eds.), Reinforcement Learning: State-of-the-Art (pp. 143–173). Springer. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/th/deep-learning/transfer-learning-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.
- การเรียนรู้แบบเสริมกำลังที่ปรับตามโดเมนการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบเสริมกำลังแบบปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบเสริมกำลังการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการการเรียนรู้เชิงลึก↔ compare