Пояснюване навчання з підкріпленням
Пояснюване навчання з підкріпленням (XRL) доповнює стандартних агентів навчання з підкріпленням методами, які роблять їхні політики, рішення та вивчену поведінку інтерпретованими для людей. Замість того, щоб розглядати політику як чорну скриньку, XRL генерує постфактум пояснення або створює внутрішньо прозорі політики, що забезпечує перевірку довіри, налагодження та підзвітність у критично важливих автоматизованих системах прийняття рішень.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Puiutta, E., & Veith, E. M. S. P. (2020). Explainable Reinforcement Learning: A Survey. In Machine Learning and Knowledge Extraction (CD-MAKE 2020), Lecture Notes in Computer Science, vol. 12279, pp. 77–95. Springer. DOI: 10.1007/978-3-030-57321-8_5 ↗
- Explainable artificial intelligence. Wikipedia. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Explainable Reinforcement Learning (XRL). ScholarGate. https://scholargate.app/uk/deep-learning/explainable-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.
- Механізм увагиГлибоке навчання↔ compare
- Пояснювана класифікація на основі BERTГлибоке навчання↔ compare
- Навчання з підкріпленнямГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →