|
|
钻瓜专利网为您找到相关结果 17个，建议您 升级VIP下载更多相关专利
- [发明专利]小目标的检测方法、存储介质及电子设备-CN202310224481.3在审
-
苏炯龙;张昱轩
-
西交利物浦大学
-
2023-03-09
-
2023-07-04
-
G06V10/764
- 本发明提供一种小目标的检测方法、存储介质及电子设备，所述小目标的检测方法包括：步骤一，建立训练数据集；步骤二，对所述训练数据集中的图像进行标注和分类，所述训练数据集中的图像经过标注后被分类为训练集、验证集、测试集；步骤三，将所述训练集和验证集输入深度学习神经网络进行训练，所述深度学习神经网络采用YOLO v8框架，其中：backbone组件中C2f单元的BottleNeck模块采用Hornet单元中的BottleNeck模块，和/或neck组件中C2f单元的BottleNeck模块采用COT模块；步骤四，采用训练后的深度学习神经网络对待检测图像进行检测。本发明小目标的检测方法、存储介质及电子设备，对于小目标的检测，实现了精度的提升。
- 目标检测方法存储介质电子设备
- [发明专利]基于深度强化学习的投资组合管理方法-CN202110235493.7在审
-
苏炯龙;顾封琛;蒋正雍
-
西交利物浦大学
-
2021-03-03
-
2021-06-18
-
G06Q40/04
- 本发明揭示了一种基于深度强化学习的投资组合管理方法，通过构建多层式卷积神经网络模型,将经过多层激活函数为ReLU的卷积层和池化层的数据集张量转化为一维数据，插入上一交易周期结束后的资产分配比，通过SoftMax激活函数输出当前策略网络做出的组合决策，训练多层式卷积神经网络模型使其参数最优化，加载训练好的多层式卷积神经网络模型参数，接收加密货币的历史价格和特征值数据，通过所述多层式卷积神经网络模型获取下一交易周期初的资产分配权重，并根据资产分配权重调整资产在加密货币市场中的分配，从而得到最优投资策略。本发明引入了额外的特征值数据，使神经网络能够接收更多的有效信息，加深了神经网络的深度，提高了神经网络的性能。
- 基于深度强化学习投资组合管理方法
- [发明专利]基于强化学习和深度学习的投资方法及智能体-CN202010735083.4在审
-
苏炯龙;蒋正雍;高源;高梓铭;胡奕
-
西交利物浦大学
-
2020-07-28
-
2020-11-13
-
G06N3/04
- 本发明揭示了基于强化学习和深度学习的投资方法及智能体，方法通过构建多层式Deep Q‑network模型，除底层的DQN神经网络外，高层的DQN神经网络用于将其所管理资产分配给其下一层的DQN神经网络及现金，底层DQN神经网络用于将其管理的资产分配给其管理的股票和现金，以使下一个交易周期该股票的收益最高；用训练完成后的模型获取下一交易周期初的资产分配权重，并调整资产在股票市场中的分配，从而得到最优投资策略。本方案采用分层式结构进行建模，一定程度上缩减了动作空间规模以及超参数数量，极大地提高了对动作空间的探索效率，并且简化了神经网络结构，降低了神经网路的训练难度，使神经网络能够有效地进行训练，并找出每个状态下的最优动作。
- 基于强化学习深度投资方法智能
|
