Glossary पर वापस जाएं
ऑफलाइन-से-ऑनलाइन RL
एक प्रशिक्षण प्रतिमान जो एक स्थिर डेटासेट से ऑफलाइन नीति को आरंभ करता है, फिर अतिरिक्त पर्यावरण इंटरैक्शन के साथ ऑनलाइन इसे सूक्ष्म-समायोजित करता है। ऑफलाइन चरण एक अच्छी आरंभिकता प्रदान करता है जो असुरक्षित प्रारंभिक अन्वेषण से बचता है; ऑनलाइन चरण ऑफलाइन डेटा के प्रदर्शन से परे सुधार करता है। IQL और CQL रोबोट हेरफेर के लिए सामान्य ऑफलाइन चरण हैं।