Machine learningDeep learning / NLP / CV

การเรียนรู้แบบเสริมกำลังภายใต้การกำกับดูแลแบบอ่อน (Weakly Supervised Reinforcement Learning)

การเรียนรู้แบบเสริมกำลังภายใต้การกำกับดูแลแบบอ่อน (WSRL) เป็นการฝึกเอเจนต์ในสภาพแวดล้อมที่สัญญาณรางวัล (reward signal) ไม่สมบูรณ์ มีน้อย ห่างหาย หรือให้ข้อมูลเพียงบางส่วน ซึ่งแตกต่างจากการเรียนรู้แบบเสริมกำลังแบบเต็มที่ (fully-supervised RL) เอเจนต์จะต้องเรียนรู้นโยบาย (policy) ที่มีประสิทธิภาพแม้จะได้รับผลตอบรับที่ไม่สมบูรณ์ โดยใช้สัญญาณเสริม การสร้างแบบจำลองรางวัล หรือการเรียนรู้ความพึงพอใจเพื่อชดเชยการกำกับดูแลแบบอ่อน

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. Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
  2. 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

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/th/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.

Compare side by side

ถูกอ้างอิงโดย

ScholarGateWeakly supervised reinforcement learning (Weakly Supervised Reinforcement Learning). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/weakly-supervised-reinforcement-learning · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026