包括在計算機存儲介質上編碼的計算機程序的用于訓練強化學習系統的方法、系統和裝置。該方法包括:訓練動作選擇策略神經網絡,并且在動作選擇神經網絡的訓練期間,訓練一個或多個輔助控制神經網絡和獎勵預測神經網絡。輔助控制神經網絡中的每個輔助控制神經網絡被配置為接收由動作選擇策略神經網絡生成的相應的中間輸出,并生成對于對應的輔助控制任務的策略輸出。獎勵預測神經網絡被配置為接收由動作選擇策略神經網絡生成的一個或多個中間輸出并生成對應的預測獎勵。訓練輔助控制神經網絡中的每個輔助控制神經網絡和獎勵預測神經網絡包括調整相應的輔助控制參數、獎勵預測參數和動作選擇策略網絡參數的值。
聲明:
“利用輔助任務的強化學習” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)