[发明专利]神经网络训练方法及装置和环境处理方法及装置有效
| 申请号： | 201810885459.2 | 申请日： | 2018-08-06 |
| 公开（公告）号： | CN109190760B | 公开（公告）日： | 2021-11-30 |
| 发明（设计）人： | 邓煜彬;余可;吕健勤;林达华;汤晓鸥 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 北京林达刘知识产权代理事务所(普通合伙) 11277 | 代理人： | 刘新宇 |
| 地址： | 100084 北京市海淀区中*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开涉及一种神经网络训练方法及装置和环境处理方法及装置，所述方法包括：将当前训练周期的环境状态向量输入神经网络，获得动作输出和衡量输出；根据环境状态向量和动作输出确定第一奖惩反馈；根据第一奖惩反馈、历史训练周期的第一奖惩反馈和衡量输出，确定神经网络的模型损失；根据模型损失，调整神经网络的网络参数值；在神经网络满足训练条件时，获得训练后的神经网络。根据本公开的实施例的神经网络训练方法，通过当前训练周期和历史训练周期的多个奖惩反馈来确定的模型损失，在训练神经网络的过程中不易陷入局部最优解，可获得拟合优度较高的神经网络。 | ||
| 搜索关键词： | 神经网络 训练 方法 装置 环境 处理 | ||
【主权项】：
1.一种神经网络训练方法，其特征在于，所述方法包括：将当前训练周期的环境状态向量输入神经网络中进行处理，获得当前训练周期的动作输出和当前训练周期的衡量输出；根据所述当前训练周期的环境状态向量和所述当前训练周期的动作输出，确定当前训练周期的第一奖惩反馈；根据所述当前训练周期的第一奖惩反馈、历史训练周期的第一奖惩反馈和当前训练周期的衡量输出，确定所述神经网络的模型损失，所述历史训练周期包括在所述当前训练周期之前的一个或多个训练周期；根据所述模型损失，调整所述神经网络的网络参数值；在所述神经网络满足训练条件时，获得训练后的神经网络。
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北京市商汤科技开发有限公司，未经北京市商汤科技开发有限公司许可，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/201810885459.2/，转载请声明来源钻瓜专利网。
