选择对应于当前状态的动作的神经网络设备及其方法

摘要

一种神经网络设备和使用该设备的动作选择方法，其基于值返回来选择对应于当前状态的动作。一种由至少一个处理器执行的基于深度学习来选择动作的方法，包括接收当前状态作为输入，计算与要对当前状态执行的多个动作中的每一个相对应的值分布，以及基于值分布从多个动作当中选择最优动作，其中值分布包括遵循高斯分布的至少一个高斯图。