[发明专利]使用优先化经验存储器训练神经网络在审
| 申请号： | 201680066410.3 | 申请日： | 2016-11-11 |
| 公开（公告）号： | CN108701252A | 公开（公告）日： | 2018-10-23 |
| 发明（设计）人： | 汤姆·绍尔;关小龙;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 |
| 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： | 英国;GB |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 用于对用于选择由与环境交互的强化学习代理执行的动作的神经网络进行训练的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。在一个方面中，一种方法包括维持重放存储器，其中所述重放存储器存储作为所述强化学习代理与所述环境交互的结果而生成的经验数据块。每个经验数据块与相应的预期学习进展量度相关联，所述预期学习进展量度是如果在所述经验数据块上对所述神经网络进行训练则在所述神经网络的训练中进行的预期进展量的量度。所述方法还包括通过对具有相对较高的预期学习进展量度的经验数据块进行优先级排序以供选择来从所述重放存储器中选择经验数据块，并且在所选择的经验数据块上对所述神经网络进行训练。 | ||
| 搜索关键词： | 经验数据 量度 神经网络 存储器 学习进展 环境交互 强化学习 计算机存储介质 训练神经网络 存储器存储 计算机程序 优先级排序 代理 进展量 优先化 关联 | ||
【主权项】：
1.一种用于对神经网络进行训练的方法，所述神经网络用于选择由与环境交互的强化学习代理通过执行使所述环境转变状态的动作来执行的动作，所述方法包括：维持重放存储器，所述重放存储器存储作为所述强化学习代理与所述环境交互的结果而生成的经验数据块，多个所述经验数据块各自具有相应的预期学习进展量度，所述预期学习进展量度是如果在所述经验数据块上对所述神经网络进行训练则在所述神经网络的训练中进行的预期进展量的量度；通过对具有相对较高的预期学习进展量度的经验数据块进行优先级排序以供选择来从所述重放存储器中选择经验数据块；以及在所选择的经验数据块上对所述神经网络进行训练。
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/201680066410.3/，转载请声明来源钻瓜专利网。
- 上一篇：使用优势估计强化学习
- 下一篇：使用规范化的目标输出训练神经网络
