无人驾驶场景下深度强化学习模型的可解释性方法及系统
实质审查的生效
摘要
本发明涉及模型学习领域，具体涉及一种无人驾驶场景下深度强化学习模型的可解释性方法及系统。该方法及装置选择合适的仿真环境以及适合的深度强化学习算法，通过训练得到收敛的强化学习模型，对强化学习模型输入无人驾驶场景下拍摄的图片，对图片进行特征的划分及进行特征影响力的量化分析，计算各个特征对模型决策的影响程度，并得到相应的差值矩阵，得到改进型网络模型。以至少解决现有技术不能精准分析图片各个特征对模型决策的影响的技术问题。
基本信息
专利标题 ：
无人驾驶场景下深度强化学习模型的可解释性方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114330109A
申请号 ：
CN202111527231.4
公开（公告）日 ：
2022-04-12
申请日 ：
2021-12-14
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
周纪民刘延东张中劲王鲁佳王洋须成忠
申请人 ：
深圳先进技术研究院
申请人地址 ：
广东省深圳市南山区西丽大学城学苑大道1068号
代理机构 ：
深圳市科进知识产权代理事务所(普通合伙)
代理人 ：
刘建伟
优先权 ：
CN202111527231.4
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06F119/02
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-04-29 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20211214
申请日 : 20211214
2022-04-12 ：
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
暂无PDF文件可下载
