[發明專利]一種深度強化學習模型的組合方法、裝置及計算機設備在審
| 申請號： | 202010009647.6 | 申請日： | 2020-01-06 |
| 公開（公告）號： | CN111242280A | 公開（公告）日： | 2020-06-05 |
| 發明（設計）人： | 溫建偉;王宇杰;袁潮;方璐 | 申請（專利權）人： | 北京拙河科技有限公司 |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 北京名華博信知識產權代理有限公司 11453 | 代理人： | 李冬梅 |
| 地址： | 100083 北京市海淀區王莊路*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 深度 強化 學習 模型 組合 方法 裝置 計算機 設備 | ||
1.一種深度強化學習模型的組合方法，其特征在于，包括：
確定組合使用的多個深度強化學習模型中每個深度強化學習模型的權重信息，其中，所述深度強化學習模型的權重信息用于表征，該深度強化學習模型的輸出數據對組合使用多個深度強化學習模型的輸出結果的影響程度；
將待處理數據分別傳輸至組合使用的多個深度強化學習模型，得到多個輸出數據；
對多個輸出數據，按照對應的深度強化學習模型的權重信息進行加權平均值計算，計算的結果為組合使用多個深度強化學習模型的輸出結果。
2.根據權利要求1所述的方法，其特征在于，所述確定組合使用的多個深度強化學習模型中每個深度強化學習模型的權重信息，包括：
確定每個深度強化學習模型的預設輸入數據與待處理數據的相似度；
根據每個深度強化學習模型的預設輸入數據與待處理數據的相似度，分別確定每個深度強化學習模型的權重信息；
其中，深度強化學習模型的權重信息,與該深度強化學習模型的預設輸入數據與待處理數據的相似度成正相關。
3.根據權利要求1或2所述的方法，其特征在于，所述對多個輸出數據，按照對應的深度強化學習模型的權重信息進行加權平均值計算，包括：
按照每個深度強化學習模型的權重信息,計算組合使用的多個深度強化學習模型輸出的Q函數值的加權和；
根據所述Q函數值的加權和，以及組合使用的深度強化學習模型的個數計算Q函數值的加權平均值。
4.根據權利要求3所述的方法，其特征在于，所述方法還包括：
根據組合使用的每個深度強化學習模型的訓練數據，生成分類模型，所述分類模型用于確定不同的深度強化學習模型的預設輸入數據與同一輸入數據的相似度。
5.一種深度強化學習模型的組合裝置，其特征在于，所述裝置包括：
權重信息確定模塊，用于確定組合使用的多個深度強化學習模型中每個深度強化學習模型的權重信息，其中，所述深度強化學習模型的權重信息用于表征，該深度強化學習模型的輸出數據對組合使用多個深度強化學習模型的輸出結果的影響程度；
數據傳輸模塊，用于將待處理數據分別傳輸至組合使用的多個深度強化學習模型，得到多個輸出數據；
計算模塊，用于對多個輸出數據，按照對應的深度強化學習模型的權重信息進行加權平均值計算，計算的結果為組合使用多個深度強化學習模型的輸出結果。
6.根據權利要求5所述的裝置，其特征在于，所述權重信息確定模塊包括：
第一權重信息確定子模塊，用于確定每個深度強化學習模型的預設輸入數據與待處理數據的相似度；
第二權重信息確定子模塊，用于根據每個深度強化學習模型的預設輸入數據與待處理數據的相似度，分別確定每個深度強化學習模型的權重信息；
其中，深度強化學習模型的權重信息,與該深度強化學習模型的預設輸入數據與待處理數據的相似度成正相關。
7.根據權利要求5或6所述的裝置，其特征在于，所述計算模塊，包括：
第一計算子模塊，用于按照每個深度強化學習模型的權重信息,計算組合使用的多個深度強化學習模型輸出的Q函數值的加權和；
第二計算子模塊，用于根據所述Q函數值的加權和，以及組合使用的深度強化學習模型的個數計算Q函數值的加權平均值。
8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：
分類模塊，用于根據組合使用的每個深度強化學習模型的訓練數據生成分類模型，所述分類模型用于確定不同的深度強化學習模型的預設輸入數據與同一輸入數據的相似度；
所述第一權重信息確定子模塊，通過所述分類模塊，確定每個深度強化學習模型的預設輸入數據與待處理數據的相似度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京拙河科技有限公司，未經北京拙河科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010009647.6/1.html，轉載請聲明來源鉆瓜專利網。
