一种强化学习方法和系统,所述强化学习方法和系统选择要由与环境交互的强化学习智能体执行的动作。因果模型由后见之明模型神经网络实施并且使用后见之明,即使用未来环境状态轨迹进行训练。由于所述方法和系统在选择动作时无法访问这种未来信息,因此使用所述后见之明模型神经网络来训练模型神经网络,所述模型神经网络以来自当前观测的数据为条件,所述模型神经网络学习预测所述后见之明模型神经网络的输出。
声明:
“使用后见之明建模来训练动作选择神经网络” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)