特許

J-GLOBAL ID：202103016292082864

タスク固有のポリシーおよび共有ポリシーをもつマルチタスクニューラルネットワークシステム

発明者： ラズバン・パシュカヌ ,  ライア・タイス・ハドセル ,  ヴィクター・コンスタント・バプスト ,  ヴォイチェフ・チャルネッキ ,  ジェームズ・カークパトリック ,  イー・ウィー・テ ,  ニコラス・マンフレート・オットー・ヒース
出願人/特許権者： ディープマインド テクノロジーズ リミテッド
代理人 (3件)： 村山 靖彦 ,  実広 信哉 ,  阿部 達彦
公報種別：特許公報
出願番号（国際出願番号）：特願2019-559288
特許番号：特許第6854921号
出願日： 2018年05月22日
請求項（抜粋）：

【請求項1】 マルチタスクニューラルネットワークシステムを訓練する方法であって、前記ニューラルネットワークシステムが、共有ポリシーネットワークと組み合わせた訓練可能なワーカのセットを含み、前記方法が、 複数の異なるタスクでの、前記訓練可能なワーカおよび前記共有ポリシーネットワークの協調訓練を含み、各ワーカがそれぞれのタスクポリシーに従って前記タスクの対応する1つを行うことを学習し、前記共有ポリシーネットワークが前記タスクに対する共通の行動を表すマルチタスクポリシーを学習するようにし、 前記協調訓練が、前記共有ポリシーネットワークと前記訓練可能なワーカの両方を介して前記協調訓練からの誤差を伝播することを含む、方法。

IPC (2件)：

G06N 3/08 ( 200 6.01) ,  G06N 20/00 ( 201 9.01)

FI (2件)：

G06N 3/08 ,  G06N 20/00

引用特許：

出願人引用 (2件)

• パラメータ設定装置、コンピュータプログラム及びパラメータ設定方法
  公報種別：公開公報   出願番号：特願2011-248944   出願人：富士通株式会社
• データ処理装置、データ処理方法、及びプログラム
  公報種別：公開公報   出願番号：特願2008-139295   出願人：ソニー株式会社

引用文献：

出願人引用 (2件)

• 強化信号のコミュニケーションに基づくマルチエージェント強化学習
• Multi-Agent Reinforcement Learning: Independent vs. Cooperative Agents