[发明专利]使用目标和观察来选择强化学习动作有效
| 申请号： | 201610328938.5 | 申请日： | 2016-04-06 |
| 公开（公告）号： | CN106056213B | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 汤姆·绍尔;丹尼尔·乔治·霍根;卡罗尔·格雷戈尔;大卫·西尔韦 | 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： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种用于使用目标和观察的强化学习的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。所述方法中的一个包括接收表征环境的当前状态的观察；接收表征来自环境的目标状态集的目标状态的目标；使用观察神经网络处理观察以生成观察的数字表示；使用目标神经网络处理目标以生成目标的数字表示；组合所观察的数字表示和目标的数字表示以生成组合的表示；使用动作分值神经网络处理组合的表示以为预定的动作集中的每个动作生成相应的分值；以及使用预定的动作集中的动作的相应的分值来选择要执行的动作。 | ||
| 搜索关键词： | 使用 目标 观察 选择 强化 学习 动作 | ||
【主权项】：
一种用于选择要由强化学习代理执行的动作的方法，所述强化学习代理通过接收表征环境的当前状态的观察、并且作为响应而执行来自预定的动作集的动作来与所述环境交互，其中所述方法包括：接收表征所述环境的当前状态的观察；接收表征来自所述环境的目标状态集的目标状态的目标；使用观察神经网络处理所述观察以生成所述观察的数字表示；使用目标神经网络处理所述目标以生成所述目标的数字表示；组合所述观察的数字表示和所述目标的数字表示以生成组合的表示；使用动作分值神经网络处理所述组合的表示以为所述预定的动作集中的每个动作生成相应的分值；以及使用所述预定的动作集中的动作的相应的分值来选择要执行的动作。
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/201610328938.5/，转载请声明来源钻瓜专利网。
