买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉海南大学申请的专利一种用于Atari游戏的深度强化学习网络训练方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116077941B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211586694.2，技术领域涉及：A63F13/63；该发明授权一种用于Atari游戏的深度强化学习网络训练方法及装置是由张树东;刘文瑾;韦冰;罗宁;周丽娟设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种用于Atari游戏的深度强化学习网络训练方法及装置在说明书摘要公布了：本发明公开了一种用于Atari游戏的深度强化学习网络训练方法及装置，该方法包括：获取Atari游戏平台中的游戏图像数据；将所述游戏图像数据输入至深度强化学习模型进行图像特征提取，利用提取的图像特征在游戏中进行模型训练和智能体训练，以得到训练好的深度强化学习模型和训练好的智能体；其中，深度强化学习模型，包括第一卷积核大小的深度可分离卷积、第二卷积核大小的深度可分离卷积和包含H‑Swish激活函数的全连接层。本发明提出的LDQN模型不仅保证了其对于图像的特征提取能力还进一步优化了DQN的网络结构，使其在低成本的情况下，达到与原始DQN相同的性能，在Atari游戏中，仍然有着超越人类的表现。

本发明授权一种用于Atari游戏的深度强化学习网络训练方法及装置在权利要求书中公布了：1.一种用于Atari游戏的深度强化学习网络训练方法，其特征在于，包括以下步骤： 获取Atari游戏平台中的游戏图像数据； 将所述游戏图像数据输入至深度强化学习模型进行图像特征提取，利用提取的图像特征在游戏中进行模型训练和智能体训练，以得到训练好的深度强化学习模型和训练好的智能体；其中，所述深度强化学习模型，包括第一卷积核大小的深度可分离卷积、第二卷积核大小的深度可分离卷积和包含H-Swish激活函数的全连接层； 对所述游戏图像数据进行数据预处理，包括： 将第一像素大小的三通道RGB游戏图像数据进行压缩得到第二像素大小的grayscale图像； 对所述第二像素大小的grayscale图像进行裁剪得到第三像素大小的中央游戏信息区域图像； 对所述第三像素大小的中央游戏信息区域图像进行背景像素值计算，得到去除背景后的游戏图像数据，并对所述去除背景后的游戏图像数据进行像素归一化处理； 所述第一卷积核大小的深度可分离卷积，包括第三卷积核大小的深度卷积和逐点卷积；所述第二卷积核大小的深度可分离卷积，包括第四卷积核大小的深度卷积和逐点卷积； 所述深度可分离卷积的和标准卷积的算力消耗表达式分别为： 其中，和表示深度可分离卷积和标准卷积的算力消耗，表示输入特征图的宽度和高度，表示卷积核的空间维度，是输入通道的数量，是输出通道的数量； 所述深度可分离卷积和标准卷积的计算量之比为： 所述H-Swish激活函数的表达式为： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人海南大学，其通讯地址为：570228 海南省海口市人民大道58号海南大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。