Học tăng cường giám sát yếu
Học tăng cường giám sát yếu (WSRL) huấn luyện các tác nhân trong môi trường mà tín hiệu phần thưởng không hoàn hảo, thưa thớt, trễ hoặc chỉ mang tính thông tin một phần — không giống như học tăng cường giám sát đầy đủ dày đặc. Tác nhân phải học các chính sách hiệu quả bất chấp phản hồi không đầy đủ, sử dụng các tín hiệu phụ trợ, mô hình hóa phần thưởng hoặc học sở thích để bù đắp cho sự giám sát yếu.
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
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/vi/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.
- Học tăng cườngHọc sâu↔ compare
- Học tăng cường tự giám sátHọc sâu↔ compare
- Học tăng cường bán giám sátHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →