利用密度比估计的直接逆向强化学习
授权
摘要
一种用于估计对象的行为的回报与价值函数的逆向强化学习的方法，该方法包括：获取表示状态变量的变化的数据，状态变量定义所述对象的行为；将由式(1)给出的修正Bellman方程应用至所获取的数据，其中，r(x)和V(x)分别表示状态x下的回报函数和价值函数，而γ表示折扣因子，并且b(y|x)和π(y|x)分别表示学习之前和学习之后的状态转换概率；估计式(2)中的密度比π(x)/b(x)的对数；根据估计密度比π(x,y)/b(x,y)的对数的结果，在式2中估计r(x)和V(x)；以及输出所估计的r(x)和V(x)。
基本信息
专利标题 ：
利用密度比估计的直接逆向强化学习
专利标题（英）：
暂无
公开（公告）号 ：
CN108885721A
申请号 ：
CN201780017406.2
公开（公告）日 ：
2018-11-23
申请日 ：
2017-02-07
授权号 ：
CN108885721B
授权日 ：
2022-05-06
发明人 ：
内部英治铜谷贤治
申请人 ：
学校法人冲绳科学技术大学院大学学园
申请人地址 ：
日本冲绳县
代理机构 ：
北京三友知识产权代理有限公司
代理人 ：
黄纶伟
优先权 ：
CN201780017406.2
主分类号 ：
G06N99/00
IPC分类号 ：
G06N99/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N99/00
本小类其他各组中不包括的技术主题
法律状态
2022-05-06 ：
授权
2018-12-18 ：
实质审查的生效
IPC(主分类) : G06N 99/00
申请日 : 20170207
申请日 : 20170207
2018-11-23 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN108885721A.PDF
PDF下载
