-
公开(公告)号：CN112668721B
公开(公告)日：2021-07-02
申请号：CN202110286015.9
申请日：2021-03-17
Applicant: 中国科学院自动化研究所
IPC: G06N5/04
Abstract: 本发明提供非平稳环境中去中心化多智能系统的决策方法，包括：在回合t将智能体m拉取臂k得到的回报值记录在智能体m的内嵌私有表；如果公共调度中心信息储存表中没有臂k的回报值和序号记录，则在回合t+1广播所述臂k的回报值和序号；否则进入下一步判断；如果所述臂k的回报值大于经验平均最高回报值，则进入下一步判断；否则在回合t+1拉取臂探索；如果所述臂k的回报置信区间下界大于所述经验平均最高回报值，则进入下一步判断；否则在回合t+1拉取臂探索；如果所述最近τ个回合臂k回报的波动率大于最近τ个回合臂k回报的波动率的移动平均数，则在回合t+1广播所述臂k的回报值和序号；否则在回合t+1拉取臂探索。
-
公开(公告)号：CN112698933A
公开(公告)日：2021-04-23
申请号：CN202110312417.1
申请日：2021-03-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供通用的在多任务数据流中持续学习的方法和装置，包括：智能体采用DQN网络进行策略学习，由任务识别器检测任务边界，防止发生灾难性遗忘；任务识别器采集数据状态，采集到一定长度后进入任务学习阶段，通过任务学习阶段的聚类准确性判断任务学习是否完成，如果完成进入任务识别阶段，如果判定任务发生了改变，则学习下一个任务，在学习下一个任务时，如果改变所述DQN网络的参数，将会启动额外的惩罚项，通过约束所述DQN网络的参数在下个任务学习中变化实现对当前任务的不遗忘。
-
公开(公告)号：CN112668721A
公开(公告)日：2021-04-16
申请号：CN202110286015.9
申请日：2021-03-17
Applicant: 中国科学院自动化研究所
IPC: G06N5/04
Abstract: 本发明提供通用的非平稳环境中去中心化多智能系统的决策方法，包括：在回合t将智能体m拉取臂k得到的回报值记录在智能体m的内嵌私有表；如果公共调度中心信息储存表中没有臂k的回报值和序号记录，则在回合t+1广播所述臂k的回报值和序号；否则进入下一步判断；如果所述臂k的回报值大于经验平均最高回报值，则进入下一步判断；否则在回合t+1拉取臂探索；如果所述臂k的回报置信区间下界大于所述经验平均最高回报值，则进入下一步判断；否则在回合t+1拉取臂探索；如果所述最近τ个回合臂k回报的波动率大于最近τ个回合臂k回报的波动率的移动平均数，则在回合t+1广播所述臂k的回报值和序号；否则在回合t+1拉取臂探索。
-
-
Search Results
3
records
(took 0.026 seconds)
