[发明专利]强化学习方法、装置、计算机可读介质及电子设备有效
| 申请号： | 201910817611.8 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110533192B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 詹仙园;徐浩然;张玥;霍雨森;朱翔宇;王小波;邓欣;郑宇;李春洋;张钧波 | 申请（专利权）人： | 京东城市（北京）数字科技有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 北京律智知识产权代理有限公司 11438 | 代理人： | 王辉;阚梓瑄 |
| 地址： | 100086 北京市海淀区知*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开实施例提供了一种强化学习方法、强化学习装置、计算机可读介质及电子设备，涉及机器学习技术领域。该强化学习方法包括：通过历史数据构建仿真环境；确定所述仿真环境的第一状态，通过强化模型确定对于所述第一状态的第一响应动作；计算所述第一响应动作的置信度，根据所述第一响应动作的置信度确定探索样本；基于所述探索样本对所述强化模型进行训练。本公开实施例的技术方案能够控制强化学习的探索过程，增强探索的策略的有效性，从而加快强化学习的训练过程。 | ||
| 搜索关键词： | 强化 学习方法 装置 计算机 可读 介质 电子设备 | ||
【主权项】：
1.一种强化学习方法，其特征在于，包括：/n通过历史数据构建仿真环境；/n确定所述仿真环境的第一状态，通过强化模型确定对于所述第一状态的第一响应动作；/n计算所述第一响应动作的置信度，根据所述第一响应动作的置信度确定探索样本；/n基于所述探索样本对所述强化模型进行训练。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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京东城市（北京）数字科技有限公司，未经京东城市（北京）数字科技有限公司许可，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/patent/201910817611.8/，转载请声明来源钻瓜专利网。
