本發明涉及一種基于環境預測模型的強化學習方法,其收集環境的真實狀態動作轉移樣本數據;構造環境表示模型即變分自編碼器網絡模型;訓練變分自編碼器網絡模型直至收斂;在隱空間構建環境預測模型,該網絡模型為遞歸神經網絡模型;結合歷史數據訓練遞歸神經網絡模型直至收斂,在潛在空間生成可預測未來狀態的表示,并將遞歸型神經網絡自身的隱狀態表示為智能體對于自身行動所引發的環境變化的預測。本發明在深度神經網絡中的變分自編碼器及遞歸型神經網絡相結合的基礎上進行改良,生成虛擬環境數據訓練智能體,并把從中學會的策略遷移到真實環境之中。該模型的設計擺脫了深度強化學習在實際應用中對大量學習樣本的要求,生成數據的多樣性可從一定程度上解決深度強化學習模型存在對其所訓練數據過度擬合的問題。
聲明:
“基于環境預測模型的強化學習方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)