一种配置神经网络架构的方法、装置及设备制造方法及图纸

本发明专利技术公开了一种配置神经网络架构的方法、装置及设备，其中，所述方法包括：接入待训练神经网络的决策问题；根据所述决策问题，得到所述决策问题的第一环境；将所述决策问题与所述第一环境进行封装，得到封装后的第二环境；接入所述待训练神经网络；根据所述第二环境以及所述待训练神经网络，接入架构算法；将所述第二环境、所述待训练神经网络以及所述架构算法进行适配，生成轨迹数据属性；根据所述轨迹数据属性对所述待训练神经网络进行优化，得到配置架构后的待训练神经网络。通过上述方式，本发明专利技术提高了神经网络架构配置的通用性和扩展性。扩展性。扩展性。

【技术实现步骤摘要】
一种配置神经网络架构的方法、装置及设备


[0001]本专利技术涉及机器学习
，具体涉及一种配置神经网络架构的方法、装置及设备。

技术介绍

[0002]深度强化学习是将深度学习和具有决策能力的强化学习融合，形成能够直接处理高维复杂信息作为输入的优化决策方法。深度强化学习不仅能够为强化学习带来端到端自动优化的便利，而且使得强化学习不再受限于低维的空间中，可以解决更加复杂的问题决策，极大地拓展了强化学习的使用范围。
[0003]深度强化学习近年来也越来越多的被应用到多个智能决策领域，但目前深度强化学习仍处于快速发展阶段，涌现了各种类型的算法，形成了多样的问题环境。在算法层面，各类算法的形式和实现细节难以统一，深度强化学习算法由于其计算模式不固定，并且需要高并发，因此计算机视觉、自然语言处理、语音处理领域的成熟训练框架不适合深度强化学习领域；在环境层面，一方面，需要解决的问题环境多种多样，使得应用深度强化学习到各类智能决策问题的环境中没有统一规范，往往需要从零开始，工作量巨大；另外一方面，很多问题中只提供了裁决引擎，并未提供如何将裁决引擎本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配置神经网络架构的方法，其特征在于，所述方法包括：接入待训练神经网络的决策问题；根据所述决策问题，得到所述决策问题的第一环境；将所述决策问题与所述第一环境进行封装，得到封装后的第二环境；接入所述待训练神经网络；根据所述第二环境以及所述待训练神经网络，接入架构算法；将所述第二环境、所述待训练神经网络以及所述架构算法进行适配，生成轨迹数据属性；根据所述轨迹数据属性对所述待训练神经网络进行优化，得到配置架构后的待训练神经网络。2.根据权利要求1所述的配置神经网络架构的方法，其特征在于，根据所述决策问题，得到所述决策问题的第一环境，包括：若所述决策问题中带有环境，则根据所述决策问题中带有的环境得到所述第一环境；若所述决策问题中没有环境，则对所述决策问题定义新环境，得到定义后的第三环境，再根据所述第三环境，得到所述第一环境。3.根据权利要求2所述的配置神经网络架构的方法，其特征在于，若所述决策问题中带有环境，则根据所述决策问题中带有的环境得到所述第一环境，包括：若所述决策问题中带有的环境满足预设条件，则将所述决策问题中带有的环境确定为所述第一环境；若所述决策问题中带有的环境不满足预设条件，则将所述决策问题中带有的环境与通用环境进行兼容，将兼容后的环境确定为所述第一环境。4.根据权利要求2所述的配置神经网络架构的方法，其特征在于，根据所述第三环境，得到所述第一环境，包括：将所述第三环境与通用环境进行兼容，将兼容后的环境确定为所述第一环境。5.根据权利要求1所述的配置神经网络架构的方法，其特征在于，在得到封装后的第二环境之后，还包括：根据所述第二环境，得到所述第二环境的状态空间，所述状态空间是指在所述待训练神经网络运行时，所产生状态的空间。6.根据权利要...

【专利技术属性】
技术研发人员：徐波，唐伟，徐博，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：