Непрерывное многоцелевое обучение с подкреплением

Обучение с подкреплением на основе предпочтений

Подход, в котором человеческие предпочтения относительно компромиссов между целями интегрируются в процесс обучения для направления агента к желаемым решениям на фронте Парето.

← Назад