龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：之江实验室
摘要：本发明公开了一种基于自监督强化学习的即时奖励学习方法，获取高维图像数据集，高维图像数据集中包括若干带有终止状态成功或者失败标识的图像；利用高维图像数据集训练自监督学习模型，得到对应的低维特征；利用高维图像数据带有的终止状态的标识，基于低维特征，得到成功特征和失败特征；利用监督学习方法训练状态转移模型，并利用状态转移模型预测的下一状态信息和两类特征进行比较分类，得到即时奖励；基于即时奖励，利用强化学习方法进行决策。本发明可以减少强化学习方法中奖励的人工设计及标注，使得即时奖励的获取智能化。同时，这种即时奖励学习方法可以扩充强化学习的应用范围，扩展了强化学习框架的实际应用，具有广阔的场景。
主权项：1.一种基于自监督强化学习的即时奖励学习方法，其特征在于，包括：获取高维图像数据集，所述高维图像数据集中包括若干带有终止状态成功或者失败标识的图像；利用所述高维图像数据集训练自监督学习模型，得到对应的低维特征；利用所述高维图像数据带有的终止状态的标识，基于所述低维特征，得到成功特征和失败特征；利用监督学习方法训练状态转移模型，并利用状态转移模型预测的下一状态信息和两类特征进行比较分类，得到即时奖励；基于所述即时奖励，利用强化学习方法进行决策；其中，利用所述高维图像数据集训练自监督学习模型，得到对应的低维特征，包括：将所述高维图像数据集中的图像进行预处理；将预处理后的高维图像数据输入编码器，得到相应的低维信息特征；利用所述低维特征信息与大小为N的词表对比，通过欧氏距离计算最近的嵌入向量索引；基于所述最近的嵌入向量索引，利用解码器得到重构图像数据；基于高维图像数据和重构图像之间的重构损失，进行神经网络模型的训练，并在模型训练完成后得到低维特征。
全文数据：
权利要求：
百度查询： 之江实验室 一种基于自监督强化学习的即时奖励学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号