[发明专利]学习装置和学习方法在审
| 申请号： | 201780078843.5 | 申请日： | 2017-12-14 |
| 公开（公告）号： | CN110088779A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 中田健人;成平拓也;铃木洋贵;大里章人 | 申请（专利权）人： | 索尼公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 王萍;李彦丽 |
| 地址： | 日本*** | 国省代码： | 日本;JP |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 强化学习 校正 学习装置 模型信息 个人计算机PC 学习 显示控制部 移动策略 代理体 校正部 应用 | ||
1.一种学习装置，包括：
显示控制部，被配置成使显示部显示关于强化学习模型的强化学习模型信息；以及
校正部，被配置成基于对所述强化学习模型信息的用户输入来校正所述强化学习模型。
2.根据权利要求1所述的学习装置，其中，所述强化学习模型信息包括指示由所述强化学习模型学习到的策略的策略信息。
3.根据权利要求1所述的学习装置，其中，所述强化学习模型信息包括指示所述强化学习模型中所使用的报酬函数的报酬函数信息。
4.根据权利要求1所述的学习装置，其中，所述用户输入包括策略的教导。
5.根据权利要求4所述的学习装置，其中，在通过追加所述强化学习模型中所使用的报酬函数的基函数来改进目标函数的情况下，所述校正部追加所述报酬函数的基函数。
6.根据权利要求1所述的学习装置，其中，所述用户输入包括报酬函数的教导。
7.根据权利要求6所述的学习装置，其中，在通过追加所述强化学习模型中所使用的报酬函数的基函数来使作为所述用户输入所教导的报酬函数与基于所述用户输入而校正的强化学习模型的报酬函数之间的差减小的情况下，所述校正部追加所述报酬函数的基函数。
8.根据权利要求1所述的学习装置，其中，所述显示控制部将所述强化学习模型信息叠加在指示环境的环境信息上，并且使所述显示部显示叠加在所述环境信息上的所述强化学习模型信息。
9.一种学习方法，包括：
显示控制步骤，学习装置使显示部显示关于强化学习模型的强化学习模型信息；以及
校正步骤，所述学习装置基于对所述强化学习模型信息的用户输入来校正所述强化学习模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于索尼公司，未经索尼公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201780078843.5/1.html，转载请声明来源钻瓜专利网。
