基于想象力的代理神经网络

摘要

提出了一种神经网络系统。所述网络能够由基于模型的强化学习训练，以选择要由与环境交互的代理执行的动作，以执行任务从而试图实现指定的结果。所述系统可包括：至少一个想象力核心，并且包括所述环境的模型，所述想象力核心具有输入，以接收表征所述环境的当前状态的当前观察，并可选地接收历史观察。所述想象力核心可被配置成响应于所述当前观察和/或历史观察而输出轨迹数据。所述轨迹数据包括所述想象力核心想象的所述环境的未来特征的序列。所述系统还包括：至少一个卷展编码器，以对所述特征的序列进行编码；和强化学习输出级，以接收从所述卷展嵌入中导出的数据，并输出动作策略数据，从而定义基于所述当前观察来识别动作的动作策略。