原创力文档- 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、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、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 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、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、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、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
本发明公开了一种基于小概率模型检测的可信深度强化学习在环验证方法，其特点是该方法具体包括：构建初始抽象状态空间集上的深度强化学习系统，使用有界线性时序逻辑定义该DRL系统的安全属性，对当前抽象状态空间的DRL系统进行一次训练，验证当前DRL系统所有安全属性的可满足性，当验证失败时，基于模型检查不满足性质的反例状态来细化相应抽象状态空间，并在更精细的抽象状态空间集上再次训练并不断迭代，直到所有预定义的安全属性都针对训练过的深度强化学习系统完成了验证。本发明与现有技术相比具有避免了训练完成再检测的高
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117436549A
(43)申请公布日2024.01.23
(21)申请号202311601205.0
(22)申请日2023.11.28
(71)申请人华东师范大学
地址200241
文档评论（0）