Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于状态语义表征学习内在奖励的强化学习方法 

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:深圳清华大学研究院

摘要:本发明公开了一种基于状态语义表征学习内在奖励的强化学习方法,属于深度学习与机器学习领域,包括以下步骤:首先,提取强化学习算法与环境交互当前步的视觉状态图像描述;其次,基于视觉状态图像描述构建基于图像信息的内在奖励值1;然后将视觉状态图像描述采用预训练的方法转换为视觉状态图像文本表征,基于视觉状态图像文本表征构建基于语义信息的内在奖励值2;紧接着,对内在奖励值1和内在奖励值2进行融合获得当前步最终内在奖励值;最后,将当前步最终内在奖励值结合环境反馈值进行强化学习策略训练,获得最终的强化学习策略;本发明提供的一种基于状态语义表征学习内在奖励的强化学习方法,提升强化学习解决环境稀疏奖励的性能与效率。

主权项:1.一种基于状态语义表征学习内在奖励的强化学习方法,其特征在于,具体步骤如下:步骤S1、提取强化学习算法与环境交互当前步的视觉状态图像描述;步骤S2、基于视觉状态图像描述构建基于图像信息的内在奖励值1;步骤S3、将步骤S1中的视觉状态图像描述采用预训练的方法转换为视觉状态图像文本表征,基于视觉状态图像文本表征构建基于语义信息的内在奖励值2;步骤S4、对内在奖励值1和内在奖励值2进行融合获得当前步最终内在奖励值;步骤S5、当前步最终内在奖励值结合环境反馈值进行强化学习策略训练,获得最终的强化学习策略。

全文数据:

权利要求:

百度查询: 深圳清华大学研究院 一种基于状态语义表征学习内在奖励的强化学习方法

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。