中国科学院重庆绿色智能技术研究院陈芋文获国家专利权
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!
龙图腾网获悉中国科学院重庆绿色智能技术研究院申请的专利基于改进DQN的可解释性监测数据识别方法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:CN116304855B 。
龙图腾网通过国家知识产权局官网在2025-06-13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:202211680701.5,技术领域涉及:G06F18/241;该发明授权基于改进DQN的可解释性监测数据识别方法是由陈芋文;钟坤华;孙启龙;陈嘉翼设计研发完成,并于2022-12-07向国家知识产权局提交的专利申请。
本基于改进DQN的可解释性监测数据识别方法在说明书摘要公布了:本发明为基于改进DQN的可解释性监测数据识别方法,包括如下步骤:S1:将监测数据进行预处理后,按时序和周期进行采样并作为输入;S2:利用马尔科夫链模型生成状态转移概率,构建强化学习网络;S3:将步骤S2所述的强化学习网络作为互注意力机制的预测器,构建改进的DQN模型;S4:将历史监测数据和对应的解释文本作为输入,对改进的DQN模型进行训练;S5:实时采集监测数据并采用改进的DQN模型对其进行分析,识别出其中的状态并输出对应的可解释性文本。本发明能够直接对监测数据进行实时在线学习,利用基于注意力机制的时序卷积网络的改进的DQN模型感知监测状态,生成准确预测结果的同时产生可解释性文本对预测结果进行解释说明。
本发明授权基于改进DQN的可解释性监测数据识别方法在权利要求书中公布了:1.基于改进DQN的可解释性监测数据识别方法,其特征在于,包括以下步骤: S1:将监测数据进行预处理后,按时序和周期T进行采样并作为输入; S2:利用马尔科夫链模型生成状态转移概率P,构建强化学习网络DQN; S3:将步骤S2所述的强化学习网络作为互注意力机制的预测器,构建改进的DQN模型; S4:将历史监测数据和对应的解释文本作为输入,对改进的DQN模型进行训练; S5:实时采集监测数据并采用改进的DQN模型对其进行分析,识别出其中的状态并输出对应的可解释性文本; 所述的强化学习网络由一个包含五个元素S,A,R,P,γ的元组组成,其中,R为奖励函数,P为状态转移概率,γ为折现因子;所述的S为状态空间,为输入的监测数据;所述的A为动作空间,包含等待监测更多数据和及时做出选择对应某个解释标签这两类动作; 所述的互注意力机制由一个编码器串联一对并联的生成器和预测器,然后再串联一个分类器构成;其中分类器中预设了所有的解释标签类别; 步骤S4所述的改进的DQN模型训练,具体包含了两个训练过程: 1对于已标记的测试数据集D,对强化学习网络和互注意力机制网络两个网络的参数同时进行训练;其性能评价机制为:分类器C的精确度 其中,i=1,…,n为已标记好的测试数据集D的数量,#为求集合中数据个数操作;si、li为第i个测试数据的对应状态和真实的解释标签;为强化学习网络预测得到的第i个测试数据对应的解释标签;Csi为分类器预测的第i个测试数据对应的解释标签; 2对于未标记的测试数据集,利用训练好的互注意力机制网络,对强化学习网络的参数进行调优。
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中国科学院重庆绿色智能技术研究院,其通讯地址为:400714 重庆市北碚区水土镇水土高新园方正大道266号;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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。