深度强化学习模型的训练方法、装置、介质及设备

发明专利有效专利

申请号：
CN202110127253.5
IPC分类号：G06N3/08;G06K9/62
申请日期：
2021-01-29
申请人：
北京字节跳动网络技术有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	深度强化学习模型的训练方法、装置、介质及设备
申请号	CN202110127253.5	申请日期	2021-01-29
法律状态	实质审查	申报国家	中国
公开/公告日	2021-05-07	公开/公告号	CN112766497A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8;;;G;0;6;K;9;/;6;2查看分类表>
申请人	北京字节跳动网络技术有限公司	申请人地址	北京市石景山区实兴大街30号院3号楼2层B-0035房间变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京字节跳动网络技术有限公司	当前权利人	北京字节跳动网络技术有限公司
发明人	范嘉骏;肖昌南
代理机构	北京英创嘉友知识产权代理事务所（普通合伙）	代理人	魏嘉熹

摘要

本公开涉及一种深度强化学习模型的训练方法、装置、介质及设备，所述方法包括：获取深度强化学习模型与虚拟环境交互所产生的交互序列，其中，交互序列包括多个采样数据，每一采样数据包括虚拟环境的第一状态、决策动作、以及在虚拟环境处于所述第一状态对应的状态下执行所述决策动作所得到的回报值和第二状态；针对每一所述采样数据，根据所述深度强化学习模型的优势函数和所述采样数据对应的决策策略，确定所述采样数据对应的计算动作价值；针对每一所述采样数据，根据所述采样数据对应的目标采样数据和所述目标采样数据对应的计算动作价值，确定所述深度强化模型对应的更新梯度信息；根据所述更新梯度信息对所述深度强化学习模型进行更新。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供