Học tăng cường tự giám sát
Học tăng cường tự giám sát (SSL-RL) bổ sung quá trình huấn luyện học tăng cường (RL) tiêu chuẩn bằng các mục tiêu phụ trợ tự giám sát — như các tác vụ dựa trên tương phản, dự đoán hoặc tăng cường dữ liệu — được áp dụng cho kinh nghiệm của chính tác nhân. Các mục tiêu này cải thiện chất lượng của các biểu diễn đã học mà không yêu cầu nhãn thủ công bổ sung, giúp hội tụ nhanh hơn và hiệu quả lấy mẫu tốt hơn, đặc biệt trong các không gian quan sát có chiều cao như pixel thô.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/vi/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.
- Học tăng cườngHọc sâu↔ compare
- Mạng nơ-ron tích chập tự giám sátHọc sâu↔ compare
- Học tăng cường bán giám sátHọc sâu↔ compare
- Học chuyển giao với Học tăng cườngHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →