龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：一种基于多维人类反馈融合的人机强化学习方法，包括通过专家演示，基于策略生成器和鉴别器进行生成式对抗模仿学习，使得策略生成器学到的策略无法被鉴别器区分，得到演示奖励函数；利用用户的轨迹偏好，得到符合用户偏好的偏好奖励函数；融合演示奖励函数和偏好奖励函数，得到统一奖励函数，并通过动态奖励权重调整策略解决演示奖励函数与偏好奖励函数之间的冲突。本申请可以克服单一反馈所带来的限制以及多个反馈源之间存在的潜在冲突，增强了奖励函数的鲁棒性和连贯性。
主权项：1.一种基于多维人类反馈融合的人机强化学习方法，其特征在于，包括以下步骤：通过专家演示，基于策略生成器和鉴别器进行生成式对抗模仿学习，使得策略生成器学到的策略无法被鉴别器区分，得到演示奖励函数；利用用户的轨迹偏好，得到符合用户偏好的偏好奖励函数；融合演示奖励函数和偏好奖励函数，得到统一奖励函数，并通过动态奖励权重调整策略解决演示奖励函数与偏好奖励函数之间的冲突。
全文数据：
权利要求：
百度查询： 西北工业大学 一种基于多维人类反馈融合的人机强化学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号