[发明专利]一种基于最大置信度上界的交替深度Q网络方法在审
| 申请号： | 202110858279.7 | 申请日： | 2021-07-28 |
| 公开（公告）号： | CN113627589A | 公开（公告）日： | 2021-11-09 |
| 发明（设计）人： | 谭晓阳;吴卿源 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N20/00 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 向文 |
| 地址： | 210016 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于最大置信度上界的交替深度Q网络方法，包括：初始化多个各自独立的深度Q网络，公共历史经验回放池，网络选择次数；初始化环境状态；根据Q‑UCB策略选择Q网络；选择并执行动作，获得新环境状态和奖励；将信息存储进公共历史经验回放池中；更新网络选择次数；从公共历史经验回放池中独立随机采样更新深度Q网络；重复步骤直到网络收敛。本发明基于神经网络自身初始化的探索性能结合最大置信度上界策略进行交替探索，使用多个Q网络进行协作决策，提升了探索效率，解决了强化学习任务中样本效率与算法效率低下的问题，提升了Q网络的性能。 | ||
| 搜索关键词： | 一种 基于 最大 置信 上界 交替 深度 网络 方法 | ||
【主权项】：
暂无信息
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南京航空航天大学，未经南京航空航天大学许可，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/202110858279.7/，转载请声明来源钻瓜专利网。
- 上一篇：显示模组和移动终端
- 下一篇：SDP测试环境脚本的生成方法、装置和电子设备
