申请/专利权人：之江实验室

申请日：2024-03-25

公开（公告）日：2024-04-26

公开（公告）号：CN117933346A

主分类号：G06N3/0895

分类号：G06N3/0895;G06N3/092;G06N3/0455;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

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。

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD