1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 行业资料
  5. 国内专利

通过凸马尔可夫决策过程的求解的强化学习.pdfVIP

通过凸马尔可夫决策过程的求解的强化学习.pdf

    1. 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
    2. 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
    3. 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
    4. 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
    5. 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
    6. 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
    7. 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
    查看更多
    使用策略模型神经网络来选择智能体在环境中的动作，所述策略模型神经网络实现策略模型，所述策略模型针对由策略模型神经网络接收的观察表征的环境的任何观察状态来定义智能体能够执行的可能动作集合上的状态‑动作分布。策略模型神经网络与成本模型神经网络联合训练，成本模型神经网络在接收到表征环境的观察时输出奖励向量。奖励向量包括每个可能动作的对应奖励值。训练涉及一系列迭代，在每个迭代中(a)成本模型基于在一个或多个先前迭代中定义的候选策略模型的状态‑动作分布来导出，并且随后(b)候选策略模型基于由迭代中获得的成

    (19)国家知识产权局

    (12)发明专利申请

    (10)申请公布号CN117255999A

    (43)申请公布日2023.12.19

    (21)申请号202280032768.X(74)专利代理机构北京市柳沈律师事务所

    您可能关注的文档

    最近下载

    文档评论（0）

    知识产权出版社 + 关注
    官方认证
    文档贡献者

    知识产权出版社有限责任公司（原名专利文献出版社）成立于1980年8月，由国家知识产权局主管、主办。长期以来， 知识产权出版社非常重视专利数据资源的建设工作， 经过多年来的积累，已经收藏了数以亿计的中外专利数据资源。

    咨询Ta 进入空间
    版权声明书
    用户编号：5333241143000144
    认证主体北京中献电子技术开发有限公司
    IP属地四川
    统一社会信用代码/组织机构代码
    91110108102011667U

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >