[发明专利]使用先行搜索来训练动作选择神经网络在审
| 申请号： | 201880029168.1 | 申请日： | 2018-05-28 |
| 公开（公告）号： | CN110582784A | 公开（公告）日： | 2019-12-17 |
| 发明（设计）人： | K.西蒙扬;D.西尔弗;J.施里特威泽 | 申请（专利权）人： | 渊慧科技有限公司 |
| 主分类号： | G06N3/00 | 分类号： | G06N3/00;G06N3/04;G06N3/08;G06N5/00 |
| 代理公司： | 11105 北京市柳沈律师事务所 | 代理人： | 金玉洁 |
| 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、系统以及装置，包括在计算机存储介质上编码的计算机程序。方法之一包括：接收表征环境的当前状态的观察；通过执行从当前状态开始直到环境到达满足一个或多个终结准则的可能未来状态为止的环境的可能未来状态的先行搜索来确定用于观察的目标网络输出，其中，由神经网络根据网络参数的当前值来引导先行搜索；使用通过执行先行搜索所生成的目标网络输出、响应于观察来选择将由代理执行的动作；以及将与观察相关联的目标网络输出存储在探索历史数据存贮器中，用于更新网络参数的当前值。 | ||
| 搜索关键词： | 目标网络 搜索 神经网络 网络参数 未来状态 观察 计算机存储介质 计算机程序 历史数据 输出存储 训练动作 状态开始 输出 存贮器 终结 关联 代理 响应 更新 探索 | ||
【主权项】：
1.一种训练具有多个网络参数的神经网络的方法，/n其中，所述神经网络用于选择将由与环境交互的代理为了尝试实现指定的结果而执行任务所执行的动作，/n其中，所述神经网络被配置为接收表征环境的状态的输入观察并且根据网络参数来处理输入观察以生成网络输出，所述网络输出包括动作选择输出，动作选择输出定义用于响应于输入观察来选择将由代理执行的动作的动作选择策略，并且/n其中，该方法包括：/n接收表征环境的当前状态的当前观察；/n通过执行从当前状态开始直到环境到达满足一个或多个终结准则的可能未来状态为止的环境的可能未来状态的先行搜索来确定用于当前观察的目标网络输出，其中，由所述神经网络根据网络参数的当前值来引导先行搜索；/n使用通过执行先行搜索所生成的目标网络输出、响应于当前观察来选择将由代理执行的动作；以及/n将与当前观察相关联的目标网络输出存储在探索历史数据存贮器中，用于更新网络参数的当前值。/n
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/201880029168.1/，转载请声明来源钻瓜专利网。
