[发明专利]使用目标特定动作值函数的多目标强化学习在审
| 申请号： | 202180013425.4 | 申请日： | 2021-02-08 |
| 公开（公告）号： | CN115066695A | 公开（公告）日： | 2022-09-16 |
| 发明（设计）人： | 阿巴斯·阿卜杜勒马利基;桑迪·涵·黄 | 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;G06N3/00 |
| 代理公司： | 中原信达知识产权代理有限责任公司 11219 | 代理人： | 周亚荣;邓聪惠 |
| 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： | 提供了一种用于通过强化学习来训练神经网络系统的方法，该神经网络系统被配置为接收表征由智能体交互的环境的状态的输入观测并且根据旨在满足多个目标的策略来选择和输出动作。该方法包括获得一个或多个轨迹的集合。每个轨迹包括环境的状态、响应于状态根据先前策略由智能体应用于环境的动作、以及用于该动作的奖励集合，每个奖励与多个目标中的对应目标相关。该方法还包括基于一个或多个轨迹的所述集合来确定用于多个目标中的每个目标的动作值函数。每个动作值函数确定表示根据对应目标的估计回报的动作值，该估计回报将由智能体根据先前策略响应于给定状态执行给定动作而产生。该方法还包括基于用于多个目标的动作值函数的组合来确定更新的策略。 | ||
| 搜索关键词： | 使用 目标 特定 动作 函数 多目标 强化 学习 | ||
【主权项】：
暂无信息
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/202180013425.4/，转载请声明来源钻瓜专利网。
- 上一篇：生物标记物及其在治疗慢性乙型肝炎感染中的用途
- 下一篇：充气轮胎
