“秦旺荣”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]智能机器手臂自动化控制的深度强化学习训练优化方法-CN202310962600.5在审
发明人：陈兴国;秦旺荣;彭云非;沈云开 -专利权人：南京邮电大学
申请日： 2023-08-02 - 公布日： 2023-10-03 - 主分类号： B25J9/16 文献下载
摘要：本发明提供了一种智能机器手臂自动化控制的深度强化学习训练优化方法，用于训练机器手臂将手抬到一定的高度。主要包括以下步骤：将工程问题建模成强化学习环境，整个机器手臂当作智能体，通过机器手臂的感应系统获取机器手臂目标高度的信息、机器手臂的可选动作信息以及控制过程中机器手臂各关节的位置信息；并利用强化学习算法进行训练，使得机器手臂的顶端可以在尽可能短的时间内达到目标高度。本发明方法能够通过深度强化学习优化算法提高机器手臂自动化控制训练的速度和训练稳定性，使得机器手臂能够更快更准确的学到最优的控制策略，提高机器手臂运作控制的准确性和效率，具有较好的实用价值和经济效益。
智能机器手臂自动化控制深度强化学习训练优化方法

[发明专利]一种深度强化学习决策解释系统-CN202310350754.9在审
发明人：高阳;霍静;李文斌;杨光;庄韫恺;毛震;秦旺荣;韩东 -专利权人：南京大学深圳研究院;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2023-04-04 - 公布日： 2023-07-04 - 主分类号： G06N3/092 文献下载
摘要：本发明公开了一种深度强化学习决策解释系统，包括仿真环境接入功能，算法环境接口功能，算法训练功能，决策解释功能；所述仿真环境接入功能包含Gym环境、Atari环境、FlyBird环境以及扩展环境接入；所述算法环境接口功能将仿真环境中的状态、动作、奖励数据进行编码；所述算法训练功能基于DQN算法训练生成该环境下最优决策动作，并存储为神经网络模型文件；所述最优动作决策与仿真环境交互生成状态、动作数据集；所述决策解释功能根据状态、动作数据集生成概率决策树模型；所述概率决策树模型能可视化展示影响决策的属性及属性值，输出影响决策的相关属性值。
一种深度强化学习决策解释系统