[发明专利]递归环境预测器及其方法有效
| 申请号： | 201780080770.3 | 申请日： | 2017-11-04 |
| 公开（公告）号： | CN110114784B | 公开（公告）日： | 2023-06-02 |
| 发明（设计）人： | D.P.威尔斯特拉;S.穆罕默德;S.恰帕;S.H.A.拉卡尼尔 | 申请（专利权）人： | 渊慧科技有限公司 |
| 主分类号： | G06N3/044 | 分类号： | G06N3/044;G06N3/049;G06N3/092 |
| 代理公司： | 北京市柳沈律师事务所 11105 | 代理人： | 金玉洁 |
| 地址： | 英国*** | 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： | 用于环境模拟的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。在一个方面，一种系统包括递归神经网络，该递归神经网络被配置为在多个时间步骤中的每个处：接收先前的时间步骤的先前的动作，使用先前的动作从先前的时间步骤更新递归神经网络的先前的初始隐藏状态，至少使用该时间步骤的初始隐藏状态，从先前的时间步骤更新递归神经网络的先前的单元状态，以及使用该时间步骤的单元状态确定该时间步骤的最终隐藏状态。该系统还包括解码器神经网络，该解码器神经网络被配置为接收该时间步骤的最终隐藏状态并且处理最终隐藏状态以生成表征该时间步骤的环境的预测的状态的预测观察。 | ||
| 搜索关键词： | 递归 环境 预测 及其 方法 | ||
【主权项】：
1.一种系统，包括：递归神经网络，由一个或多个计算机实现并且被配置为在多个时间步骤中的每个处：接收先前的时间步骤的先前的动作，所述先前的动作是在先前的时间步骤处由与环境交互的代理执行的或者在先前的时间步骤处由所述代理要执行的动作；使用先前的动作从先前的时间步骤更新递归神经网络的先前的初始隐藏状态，以生成该时间步骤的初始隐藏状态；以及至少使用该时间步骤的初始隐藏状态从先前的时间步骤更新递归神经网络的先前的单元状态，以生成该时间步骤的单元状态；以及使用该时间步骤的单元状态确定该时间步骤的最终隐藏状态；以及解码器神经网络，由一个或多个计算机实现并且被配置为在多个时间步骤中的一个或多个时间步骤中的每个处：接收该时间步骤的最终隐藏状态；以及处理最终隐藏状态以生成表征该时间步骤处的环境的预测状态的预测观察。
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/201780080770.3/，转载请声明来源钻瓜专利网。
- 上一篇：利用辅助任务的强化学习
- 下一篇：信息处理装置、信息处理方法及信息处理程序
