[发明专利]动作价值的确定方法、装置、学习框架、介质及设备在审
申请号: | 202110127259.2 | 申请日: | 2021-01-29 |
公开(公告)号: | CN112926628A | 公开(公告)日: | 2021-06-08 |
发明(设计)人: | 范嘉骏;肖昌南 | 申请(专利权)人: | 北京字节跳动网络技术有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/02;G06N20/00;G06F3/01 |
代理公司: | 北京英创嘉友知识产权代理事务所(普通合伙) 11447 | 代理人: | 魏嘉熹 |
地址: | 100041 北京市石景山区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本公开涉及一种动作价值的确定方法、装置、学习框架、介质及设备,所述方法包括:获取深度强化学习模型与虚拟环境交互所产生的交互序列,其中,交互序列包括多个采样数据,每一采样数据包括环境的环境状态、以及与环境状态对应的决策动作;针对每一采样数据,确定深度强化学习模型的优势函数与该采样数据中的环境状态对应的优势函数值,以及在采样数据对应的决策策略下优势函数值的优势期望,决策策略对应的概率分布为基于优势函数和深度强化学习模型的策略熵参数构造的;针对每一采样数据,根据采样数据、与采样数据对应的优势函数值、优势期望以及深度强化学习模型的状态值函数,确定采样数据对应的动作价值,提高对决策策略的评价准确性。 | ||
搜索关键词: | 动作 价值 确定 方法 装置 学习 框架 介质 设备 | ||
【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北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,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/202110127259.2/,转载请声明来源钻瓜专利网。
- 上一篇:一种置钉导向器
- 下一篇:一种显示屏抛光抗弯曲装置