基于连续强化学习的数据处理方法及系统

本发明公开了基于连续强化学习的数据处理方法及系统，属于机器学习和人工智能领域，其具体包括：从情景记忆模块和回放缓存模块中采样转换数据，计算先前和当前任务的策略网络梯度，并据此计算梯度夹角；根据梯度夹角调整当前任务梯度方向，并生成对抗性样本；使用对抗性样本更新策略网络和批评网络参数，同时动态调整学习率；迭代训练过程中，不断更新记忆模块和缓存模块，并定期评估模型性能；该方法能有效提升强化学习模型的训练效率和泛化能力，避免模型遗忘旧知识。