[发明专利]学习方法及记录介质在审
| 申请号： | 202010606260.9 | 申请日： | 2020-06-29 |
| 公开（公告）号： | CN112183766A | 公开（公告）日： | 2021-01-05 |
| 发明（设计）人： | 冈田雅司 | 申请（专利权）人： | 松下电器(美国)知识产权公司 |
| 主分类号： | G06N20/20 | 分类号： | G06N20/20;G06N3/04 |
| 代理公司： | 永新专利商标代理有限公司 72002 | 代理人： | 安香子 |
| 地址： | 美国加*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 学习方法 记录 介质 | ||
【权利要求书】：
1.一种学习方法，是使用基于模型的强化学习的、智能体的行动的学习方法，其特征在于，
取得表示上述智能体行动时的上述智能体的状态及行动的时间序列数据；
通过使用所取得的上述时间序列数据进行有监督学习，构建动态模型；
基于上述动态模型，通过作为变分分布而使用了混合模型的变分推断，导出上述智能体的行动序列的多个候选；
将从导出的上述多个候选中选择的一个候选作为上述智能体的行动序列来输出。
2.如权利要求1所述的学习方法，其特征在于，
还取得表示上述智能体按照所输出的上述行动序列来行动时的上述智能体的状态及行动的新的时间序列数据，作为上述时间序列数据。
3.如权利要求1所述的学习方法，其特征在于，
当导出上述多个候选时，与上述多个候选一起导出与上述多个候选各自对应的概率分布在混合模型整体中的混合比例；
当选择上述一个候选时，在所导出的上述多个候选中，选择与上述混合比例最大的概率分布对应的候选，作为上述一个候选。
4.如权利要求1所述的学习方法，其特征在于，
上述混合模型是混合高斯分布。
5.如权利要求1所述的学习方法，其特征在于，
上述动态模型是多个神经网络的集成。
6.一种程序记录介质，记录有程序，其特征在于，
上述程序用来使计算机执行权利要求1～5中任一项所述的学习方法。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于松下电器(美国)知识产权公司，未经松下电器(美国)知识产权公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010606260.9/1.html，转载请声明来源钻瓜专利网。
- 上一篇：螺线管
- 下一篇：缓冲器电路以及具有缓冲器电路的功率半导体模块
