【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、本专利技术总体上涉及人工智能，并且更具体地涉及约束下的逐步不确定性感知离线强化学习。
2、诸如传统的离线rl、侧约束下的离线rl和风险敏感离线rl之类的先前方法遭受各种挑战。
3、例如，关于传统的离线rl，针对离线rl的先前研究中的大部分不能考虑约束。换句话说，它们只能处理单个度量(即，奖励)。
4、关于侧约束下的离线rl，众所周知，由于分布偏移，传统的在线rl算法在离线rl设置中不能很好地工作。
5、关于风险敏感的离线ri，该问题设置允许我们结合值函数的分布。然而，难以并入侧面约束。
6、因此，需要一种用于约束(优选地多个约束)下的逐步不确定性感知的离线强化学习的方法。
技术实现思路
1、根据本专利技术的各方面，提供了一种用于利用数据集进行离线强化学习的计算机实现的方法。该方法包括训练神经网络，该神经网络输入状态-动作对并分别针对一个或多个安全约束和奖励中的每一个输出相应的q函数。神经网络具有线性输出层和由特征映...
【技术保护点】
1.一种用于利用数据集进行离线强化学习的计算机实现的方法，包括：
2.根据权利要求1所述的计算机实现的方法，其中所述不确定性仅取决于所述特征映射函数。
3.根据权利要求1所述的计算机实现的方法，其中，在所述获得步骤中，确定所述特征映射以降低所述Q函数的不确定性并且与所述Q函数具有线性关系。
4.根据权利要求1所述的计算机实现的方法，其中，所述剩余非线性层在所述神经网络内部。
5.根据权利要求1所述的计算机实现的方法，其中，所述训练步骤使用不确定性感知强化学习算法来训练所述神经网络。
6.根据权利要求1所述的计...
【技术特征摘要】
【国外来华专利技术】
1.一种用于利用数据集进行离线强化学习的计算机实现的方法，包括：
2.根据权利要求1所述的计算机实现的方法，其中所述不确定性仅取决于所述特征映射函数。
3.根据权利要求1所述的计算机实现的方法，其中，在所述获得步骤中，确定所述特征映射以降低所述q函数的不确定性并且与所述q函数具有线性关系。
4.根据权利要求1所述的计算机实现的方法，其中，所述剩余非线性层在所述神经网络内部。
5.根据权利要求1所述的计算机实现的方法，其中，所述训练步骤使用不确定性感知强化学习算法来训练所述神经网络。
6.根据权利要求1所述的计算机实现的方法，其中，所述方法由高级驾驶员辅助系统执行，所述高级驾驶员辅助系统使用经调整的权重来控制车辆系统。
7.根据权利要求1所述的计算机实现的方法，其中，所述方法由机器人执行，所述机器人使用经调整的权重来执行下一动作。
8.根据权利要求1所述的计算机实现的方法，其中，拉格朗日乘数用于调整所述奖励的权重。
9.根据权利要求1所述的计算机实现的方法，其中，拉格朗日乘数用于调整所述一个或多个安全约束的权重。
10.一种用于利用数据集进行离线强化学习的计算机程序产品，所述计算机程序产品包括非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质具有随其体现的程序指令，所述程序指令能够由计算机执行以使所述计算机执行方法，所述方法包括：
11.根据权利要求10所述的计算机程序产品，其中，所述不确定性仅取决于所述特征映射函数。
12.根据权利要求10所述的计算机程序产品，其中，在所述获得步骤中，确定所述特征映射以降低所述q函数的不确定性并且与所述q函数具有线性...
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。