Навчання з перенесенням на основі навчання з підкріпленням
Навчання з перенесенням на основі навчання з підкріпленням (Transfer RL) — це парадигма навчання, в якій знання, набуті агентом в одній або кількох вихідних задачах — кодовані як ваги політики, функції цінності або вивчені представлення — повторно використовуються для прискорення або покращення навчання у пов'язаній, але відмінній цільовій задачі. Це безпосередньо вирішує проблему неефективності використання вибірки, яка переслідує навчання з підкріпленням з нуля у складних або дорогих середовищах.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Transfer Learning Applied to Reinforcement Learning. ScholarGate. https://scholargate.app/uk/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.
- Адаптивне навчання з підкріпленням у різних доменахГлибоке навчання↔ compare
- Доопрацьоване навчання з підкріпленнямГлибоке навчання↔ compare
- Навчання з підкріпленнямГлибоке навчання↔ compare
- Трансферне навчання зі згортковою нейронною мережеюГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →