การเรียนรู้แบบเสริมกำลังภายใต้การกำกับดูแลแบบอ่อน (Weakly Supervised Reinforcement Learning)
การเรียนรู้แบบเสริมกำลังภายใต้การกำกับดูแลแบบอ่อน (WSRL) เป็นการฝึกเอเจนต์ในสภาพแวดล้อมที่สัญญาณรางวัล (reward signal) ไม่สมบูรณ์ มีน้อย ห่างหาย หรือให้ข้อมูลเพียงบางส่วน ซึ่งแตกต่างจากการเรียนรู้แบบเสริมกำลังแบบเต็มที่ (fully-supervised RL) เอเจนต์จะต้องเรียนรู้นโยบาย (policy) ที่มีประสิทธิภาพแม้จะได้รับผลตอบรับที่ไม่สมบูรณ์ โดยใช้สัญญาณเสริม การสร้างแบบจำลองรางวัล หรือการเรียนรู้ความพึงพอใจเพื่อชดเชยการกำกับดูแลแบบอ่อน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
- 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.
- การเรียนรู้แบบเสริมกำลังการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบเสริมกำลังด้วยการกำกับดูแลตนเองการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบเสริมกำลังกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare