CN119249360B 一种离线强化学习和持续在线微调的决策方法和模型 （中科南京人工智能创新研究院）_第1页
CN119249360B 一种离线强化学习和持续在线微调的决策方法和模型 （中科南京人工智能创新研究院）_第2页
CN119249360B 一种离线强化学习和持续在线微调的决策方法和模型 （中科南京人工智能创新研究院）_第3页
CN119249360B 一种离线强化学习和持续在线微调的决策方法和模型 （中科南京人工智能创新研究院）_第4页
CN119249360B 一种离线强化学习和持续在线微调的决策方法和模型 （中科南京人工智能创新研究院）_第5页
已阅读5页，还剩45页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种离线强化学习和持续在线微调的决策本发明公开了一种离线强化学习和持续在文本图像对数据和历史轨迹数据，通过特征匹定性评估和可塑性控制对模型进行在线知识迁2345S113、基于文本语义特征和图像语义特征，6S223、基于预定义的教师模型和优化记忆池，利用7S317、基于任务新颖度值和任务难度值，利用所述存储器存储有可被所述处理器执行的指令，所述指令用于被所现权利要求1~9任一项所述的离线强化学习和持续在线8的离线强化学习方法通常采用行为克隆或保守Q学习等技术，但这些方法往往难以处理复9不仅提高了数据质量和特征表达能力，还为后续的模型训练和任务迁移奠定了坚实的基过滤后的文本图像数据；对过滤后的文本图像数据中的文本使用WordPiece分词算法处景分割网络和图卷积网络的结合，实现了环境信息的结构化表示和空间关系推理。利用Transformer和目标分解网络对任务描述进行深度语义理解和层次化分解，提高了任务表[0050]S23、基于任务特征和预存储的历史任务特征集合，利用特征提取器提取任务表[0062]S32、获取历史模型参数集合和任务相似度矩阵，利用层次聚类算法进行分组计模型在稳定性和适应性之间的最优平衡。本实施例不仅提供了模型性能的可靠评估基准，以自回归的形式通过使用因果自注意力掩码修改原始的transformer架构，得到决策大模

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论