基于混合脉冲强化学习网络结构的机器人控制方法及系统
实质审查的生效
摘要
本发明公开了一种基于混合脉冲强化学习网络结构的机器人控制方法及系统。该方法包括:获取机器人在环境中的状态信息;构建混合脉冲强化学习网络结构;将所述状态信息输入至训练好的混合脉冲强化学习网络结构中,得到机器人的下一步动作指令;根据下一步动作指令对机器人进行控制。本发明构建了基于脉冲神经网络和深度神经网络的混合网络结构,通过该结构,使得本发明能够利用到脉冲神经网络的计算高能效和人工神经网络的计算准确性,同时,本发明的脉冲神经网络利用到了带有动态电阻的LIF(Leaky Integrate‑and‑Fire,泄漏集成发放)模型,使得本发明有着超越同类方法的性能,能够有效地完成对机器人的连续性控制的动作学习任务。
基本信息
专利标题 :
基于混合脉冲强化学习网络结构的机器人控制方法及系统
专利标题(英):
暂无
公开(公告)号 :
CN114372563A
申请号 :
CN202210020718.1
公开(公告)日 :
2022-04-19
申请日 :
2022-01-10
授权号 :
暂无
授权日 :
暂无
发明人 :
燕锐张杰姜润皓肖蓉李嘉鑫
申请人 :
四川大学
申请人地址 :
四川省成都市一环路南一段24号
代理机构 :
北京方圆嘉禾知识产权代理有限公司
代理人 :
程华
优先权 :
CN202210020718.1
主分类号 :
G06N3/04
IPC分类号 :
G06N3/04 B25J9/16
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
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构,例如,互连拓扑
法律状态
2022-05-06 :
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20220110
申请日 : 20220110
2022-04-19 :
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