基于深度强化学习的人体增强反馈方案动态决策方法

本发明涉及一种基于深度强化学习的人体增强反馈方案动态决策方法，属于深度学习技术领域，解决现有网球训练方法存在的智能化程度较低、灵活性较差、对感觉反馈利用度较低的问题。该方法首先获得若干个转换元组并存储到重播缓冲区中，再利用深度确定性策略梯度算法构建两个深度神经网络，以生成在连续空间下最优的动作策略网络和动作‑价值评价网络，定义依据运动理论计算得到的训练者理论最大击球速度与训练者实际最大击球速度差值的绝对值为奖励函数，对网络进行训练，得到回报最大化的最优装置控制策略。本发明结合训练过程人体运动数据，使网球训练装置智能化，并能根据训练者的训练效果实现网球训练装置实时反馈方案动态决策，实时性更强。