[发明专利]训练动作选择神经网络在审
| 申请号： | 201780067832.7 | 申请日： | 2017-11-03 |
| 公开（公告）号： | CN110235148A | 公开（公告）日： | 2019-09-13 |
| 发明（设计）人： | 王梓聿;尼古拉斯·曼弗雷德·奥托·黑斯;维克托雷·巴波斯特;沃洛季米尔·姆尼赫;雷米·穆尼奥斯;科拉伊·卡武克曲奥卢;若昂·费迪南多·戈梅斯·德弗雷塔斯 | 申请（专利权）人： | 渊慧科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 中原信达知识产权代理有限责任公司 11219 | 代理人： | 李宝泉;周亚荣 |
| 地址： | 英国*** | 国省代码： | 英国;GB |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 用于训练动作选择神经网络的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。所述方法的一种包括维持回放存储器，该回放存储器存储由于代理与环境的交互而生成的轨迹；并且训练具有关于回放存储器中的轨迹的策略参数的动作选择神经网络，其中，训练动作选择神经网络包括：从回放存储器中采样轨迹；并且通过使用离线策略行动器评判强化学习技术在轨迹上训练动作选择神经网络来调整策略参数的当前值。 | ||
| 搜索关键词： | 神经网络 训练动作 回放 存储器 计算机存储介质 存储器存储 计算机程序 采样轨迹 策略参数 调整策略 动作选择 离线策略 强化学习 评判 代理 | ||
【主权项】：
1.一种方法，包括：维持回放存储器，所述回放存储器存储由于代理与环境的交互而生成的轨迹，每个轨迹包括在多个时间步中的每个时间步的相应动作选择数据，在每个时间步的所述动作选择数据识别：(i)表征所述环境的状态的观察，(ii)由所述代理响应于所述观察而执行的动作，(iii)响应于所述代理执行所述动作而接收到的奖励，以及(iv)至少在响应于所述观察而确定执行哪个动作时分配给所执行的动作的动作选择分值；以及训练具有关于所述回放存储器中的所述轨迹的策略参数的动作选择神经网络，其中，所述动作选择神经网络被配置为：接收表征所述环境的状态的观察；以及处理所述观察以生成网络输出，所述网络输出定义能够由所述代理响应于所述观察而执行的可能动作上的分值分布，以及其中，训练所述动作选择神经网络包括：从所述回放存储器中采样轨迹；以及通过使用离线策略行动器评判强化学习技术在所述轨迹上训练所述动作选择神经网络来调整所述策略参数的当前值。
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渊慧科技有限公司，未经渊慧科技有限公司许可，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/patent/201780067832.7/，转载请声明来源钻瓜专利网。
- 上一篇：用于瓶的包括电子芯片的标签，以及相关的生产方法
- 下一篇：神经情节控制
