[发明专利]进行学习以鲁棒地控制系统

权利要求书

1.一种系统，其特征在于，用于执行强化学习以生成可用作模型中的参数的值的解集，从而使所述模型针对性能度量提供一定水平的性能，所述系统用于：形成包括候选参数值集的候选解；重复执行以下步骤：

通过评估具有所述候选解的所述值的模型针对所述性能度量提供高水平性能的程度，对所述候选解的质量进行第一评估；

通过评估具有所述候选解的所述值的模型未能针对所述性能度量提供低水平性能的程度，对所述候选解的质量进行第二评估；

根据所述第一评估和所述第二评估形成另一个候选解。

2.根据权利要求1所述的系统，其特征在于，所述系统用于通过测试根据所述候选解的所述值配置的所述模型在应用于参考值集时的行为来评估所述候选解的质量。

3.根据权利要求2所述的系统，其特征在于，所述系统还用于通过以下步骤评估所述候选解的质量：生成适配参考值集，所述适配参考值集包括在所述参考值集中的至少一些参考值附近的一个或多个适配参考数据项；测试根据所述候选解的所述值配置的所述模型在应用于所述适配参考值集时的行为。

4.根据权利要求3所述的系统，其特征在于，所述一个或多个适配参考数据项在所述参考值集的预定Wasserstein距离内。

5.根据权利要求3或4所述的系统，其特征在于，所述适配参考值集表示所述参考值集中的最坏情况值。

6.根据权利要求2至5中任一项所述的系统，其特征在于，所述参考值集包括神经网络的参数。

7.根据权利要求2至5中任一项所述的系统，其特征在于，所述参考值集包括从模拟器或微分方程求解器输出的值。

8.根据权利要求2至7中任一项所述的系统，其特征在于，所述参考值集包括一组参考动态。

9.根据上述权利要求中任一项所述的系统，其特征在于，所述系统用于执行优化，包括对所述候选解的质量的所述第一评估和所述第二评估。

10.根据上述权利要求中任一项所述的系统，其特征在于，所述模型是经过训练的人工智能模型。

11.根据权利要求10所述的系统，其特征在于，所述模型是神经网络。

12.一种方法，其特征在于，用于执行强化学习以生成可用作模型中的参数的值的解集，从而使所述模型针对性能度量提供一定水平的性能，所述方法包括：

形成包括候选参数值集的候选解；重复执行以下步骤：

通过评估具有所述候选解的所述值的模型针对所述性能度量提供高水平性能的程度，对所述候选解的质量进行第一评估；

通过评估具有所述候选解的所述值的模型未能针对所述性能度量提供低水平性能的程度，对所述候选解的质量进行第二评估；

根据所述第一评估和所述第二评估形成另一个候选解。

13.根据权利要求12所述的方法，其特征在于，所述评估所述候选解的质量包括测试根据所述候选解的所述值配置的所述模型在应用于参考值集时的行为。

14.根据权利要求13所述的方法，其特征在于，所述评估所述候选解的质量还包括：生成适配参考值集，所述适配参考值集包括在所述参考值集中的至少一些参考值附近的一个或多个适配参考数据项；测试根据所述候选解的所述值配置的所述模型在应用于所述适配参考值集时的行为。

15.根据权利要求14所述的方法，其特征在于，所述一个或多个适配参考数据项在所述参考值集的预定Wasserstein距离内。