申请/专利权人:清华大学
申请日:2024-03-29
公开(公告)日:2024-06-25
公开(公告)号:CN118245763A
主分类号:G06F18/21
分类号:G06F18/21;G06F18/2415
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本申请公开一种表格型密集强化学习方法、计算机存储介质及终端,包括:从关键状态集合中均匀采样初始状态,使得初始状态均为关键状态;根据学习率、时序差分误差及关键状态集合的示性函数,对未达到最优的兴趣事件的发生概率Qs,a进行更新学习。本公开实施例从关键状态集合中均匀采样初始状态,基于包含关键状态集合的示性函数实现兴趣事件的发生概率Qs,a的更新学习,使得训练数据包含的关键状态信息密集化,减少了计算量、节省了计算资源,提升了未达到最优的兴趣事件的发生概率Qs,a的学习效率。
主权项:1.一种表格型密集强化学习方法,其特征在于,包括:从关键状态集合中均匀采样初始状态,使得初始状态均为关键状态;根据学习率、时序差分误差及均匀采样后的关键状态集合的示性函数,对未达到最优的兴趣事件的发生概率Qs,a进行更新学习。
全文数据:
权利要求:
百度查询: 清华大学 一种表格型密集强化学习方法、计算机存储介质及终端
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。