CN119558387A 值网络训练方法、动作规划方法和相关装置 （广州视源电子科技股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119558387A

(43)申请公布日2025.03.04

(21)申请号202311069229.6

(22)申请日2023.08.23

(71)申请人广州视源电子科技股份有限公司

地址510530广东省广州市黄埔区云埔四

路6号

申请人广州视睿电子科技有限公司

(72)发明人张会文

(74)专利代理机构深圳市程炎知识产权代理事务所(普通合伙)44676

专利代理师罗水江

(51)Int.Cl.

G06N3/0985(2023.01)

G06N3/0455(2023.01)

权利要求书4页说明书15页附图5页

(54)发明名称

值网络训练方法、动作规划方法和相关装置

(57)摘要

CN119558387A本申请提供值网络训练方法、动作规划方法和相关装置，所述值网络包括transformer特征提取模块；值网络训练方法包括：从经验池中获取目标四元组；根据目标四元组中的第一奖励值，确定目标四元组对应的第一回报值；将目标四元组中的第一状态数据输入至当前训练周期的值网络，通过当前训练周期的值网络中的transformer特征提取模块提取第一状态数据对应的状态特征向量，获取当前训练周期的值网络输出的第二回报值；根据第一回报值和第二回报值，调整当前训练周期的值网络的