Formation de réseaux de neurones de politique à l'aide de l'apprentissage de la cohérence des chemins

Résumé

Méthodes, systèmes et appareils, y compris des programmes informatiques codés sur un support de stockage informatique, pour former un réseau neuronal de politique utilisé pour sélectionner des actions à réaliser par un agent d'apprentissage par renforcement interagissant avec un environnement. Dans un aspect, un procédé comprend l'obtention de données de chemin définissant un chemin à travers l'environnement traversé par l'agent. Une erreur de cohérence est déterminée pour le chemin à partir d'une récompense combinée, des première et dernière valeurs d'état soft-max, et d'une vraisemblance de chemin. Une mise à jour de valeur pour les valeurs actuelles des paramètres du réseau neuronal de politique est déterminée à partir d'au moins l'erreur de cohérence. La mise à jour de la valeur est utilisée pour ajuster les valeurs actuelles des paramètres du réseau neuronal de stratégie.