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：东北大学
摘要：本发明提供基于分层视觉transformer模型的状态特征优化方法，涉及强化学习技术领域。该方法具体包括：创建交互环境并获取图片数据集；在交互环境中构建并初始化基于分层视觉transformer的内在好奇心模型DiNAT‑ICM；利用图片数据集对基于分层视觉transformer的内在好奇心模型DiNAT‑ICM进行迭代训练，计算DiNAT‑ICM的总奖励和状态特征方差并存储至数据日志存储文件logger中；通过读取数据日志存储文件logger中的总奖励和状态特征方差，计算单位轮次内DiNAT‑ICM的平均奖励和平均状态特征方差，再使用指数加权平均EWMA方法进行平滑处理，将处理后的结果进行可视化显示，完成状态特征优化。该方法能够提高数据样本的利用效率，缓解在强化学习的智能体探索过程中普遍存在的稀疏奖励问题。
主权项：1.一种基于分层视觉transformer模型的状态特征优化方法，其特征在于，该方法包括如下步骤：步骤1：创建交互环境envs，获取图片数据集；步骤2：在交互环境envs中构建并初始化基于分层视觉transformer的内在好奇心模型DiNAT-ICM；步骤3：利用图片数据集对基于分层视觉transformer的内在好奇心模型DiNAT-ICM进行迭代训练，计算DiNAT-ICM的总奖励Rewardtotal和状态特征方差featurestd并存储至数据日志存储文件logger中；步骤4：读取数据日志存储文件logger中的总奖励Rewardtotal和状态特征方差featurestd，并计算单位轮次内DiNAT-ICM的平均奖励和平均状态特征方差使用指数加权平均EWMA方法对和进行平滑处理，将处理后的结果进行可视化显示，完成状态特征优化。
全文数据：
权利要求：
百度查询： 东北大学 基于分层视觉transformer模型的状态特征优化方法
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