#PaperADay 6 تبديل الميزات المحلية للتعميم في التعلم المعزز هناك نقاش جيد حول التعميم، سواء بشكل عام (ها) أو بشكل أكثر تحديدا في التعلم الواقعي، لكن الفكرة المقدمة بسيطة جدا، وسأجربها: CLOP: التبديلات المحلية المتسقة مع القناة عند إعطاء موتر ثلاثي الأبعاد (4D مع دفعة)، مع احتمال معين في كل موقع، قم بتبديل الموقع عشوائيا مع جار، مع تبديل جميع القنوات كوحدة واحدة. مثل dropout، هذا يقلل من الإفراط في التركيب عن طريق التكيف المشترك، لكنه لا يصفر أي قنوات، بل ينقلها فقط. أتفق مع فكرة أن تعزيز البيانات في الفضاء الكامن أكثر كفاءة في التعميم مقارنة بفضاء الإدخال. يقترحون القيام بذلك بأدنى مستوى ممكن في التسلسل الهرمي المكاني، لكن ربما لن يكون ذلك فكرة جيدة على مستوى 2x2، حيث توجد فقط أربع احتمالات ممكنة وأي منها يزعج نصف المعلومات المكانية. لاحظ أنهم ضبطوا فرصة التبديل لكل مباراة، وهو أمر لا يحدث عادة عند الإبلاغ عن نتائج مجموعة من الألعاب. النتائج في مهام التعلم الخاضع للإشراف لم تكن جديرة بالذكر، لكنها قد تكون أفضل إذا تم إدخال CLOP في أماكن مختلفة ومع وصفات تدريب مختلفة.