【技术实现步骤摘要】
本专利技术属于人工智能中的强化学习领域，尤其涉及一种基于自监督强化学习的即时奖励学习方法。
技术介绍
1、当前，人工智能在各行各业中应用的十分广泛，提高了各行各业的工作效率和智能化。
2、通常的人工智能方法是利用神经网络模型进行决策。然而神经网络模型是一个非常大、高容量的模型，其有效性能需要非常大和多样化的数据集，很多智能方法需要大量人工标注的数据集，并且人工设计的目标函数也和下游任务相关。在强化学习中，智能体需要感知到环境的状态信息和从交互中反馈的奖励信号。环境的状态信息可以利用硬件设备获取，奖励信号却需要根据不同环境及任务进行人工设计和标注。这种奖励设计方法扩展了强化学习的应用场景和提高了算法效率。
3、但是，在强化学习中，还存在奖励稀疏问题甚至无奖励的问题，该问题限制了强化学习的应用场景和强化学习的样本效率。所以，如何设计一个有效的、无人工标注的即时奖励学习方法是一个亟待解决的问题。
技术实现思路
1、针对现有技术存在的问题，本申请实施例的目的是提供一种基于自...
【技术保护点】
1.一种基于自监督强化学习的即时奖励学习方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述高维图像数据集中包括终止态高维图像和非终止态高维图像，每个所述终止态高维图像均带有终止状态成功或者失败标识。
3.根据权利要求1所述的方法，其特征在于，利用所述高维图像数据集训练自监督学习模型，得到对应的低维特征，包括：
4.根据权利要求1所述的方法，其特征在于，利用状态转移模型预测的下一状态信息和两类特征进行比较分类，得到即时奖励，包括：
5.根据权利要求4所述的方法，其特征在于，将所述下一状态信息与所述成功...
【技术特征摘要】
1.一种基于自监督强化学习的即时奖励学习方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述高维图像数据集中包括终止态高维图像和非终止态高维图像，每个所述终止态高维图像均带有终止状态成功或者失败标识。
3.根据权利要求1所述的方法，其特征在于，利用所述高维图像数据集训练自监督学习模型，得到对应的低维特征，包括：
4.根据权利要求1所述的方法，其特征在于，利用状态转移模型预测的下一状态信息和两类特征进行比较分类，得到即时奖励，包括：
5.根据权利要求4所述的方法，其特征在于，将所述下一状态信息与所述成功特征和失败特征进行匹配，得到所述下一状态信息与所述成功特征相匹配的数值个数为m，所述下一状...
【专利技术属性】
技术研发人员：李帅龙，林峰，严笑然，张晴，马萧，薛均晓，陆亚飞，
申请(专利权)人：之江实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。