Навчання з підкріпленням на основі самонавчання
Навчання з підкріпленням на основі самонавчання (SSL-RL) доповнює стандартне навчання RL допоміжними цілями самонавчання — такими як контрастні, предиктивні або завдання на основі аугментації даних — застосованими до власного досвіду агента. Ці цілі покращують якість навчених представлень без потреби у додаткових людських мітках, забезпечуючи швидшу збіжність та кращу ефективність використання зразків, особливо у просторах спостережень з високою розмірністю, таких як сирі пікселі.
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
- 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 ↗
- Laskin, M., Lee, K., Stooke, A., Pinto, L., Abbeel, P., & Srinivas, A. (2021). Reinforcement Learning with Augmented Data. Advances in Neural Information Processing Systems (NeurIPS), 33, 19884–19895. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/uk/deep-learning/self-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.
- Навчання з підкріпленнямГлибоке навчання↔ compare
- Згорточна нейронна мережа із самоконтролемГлибоке навчання↔ compare
- Напівкероване навчання з підкріпленнямГлибоке навчання↔ compare
- Навчання з перенесенням на основі навчання з підкріпленнямГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →