“皮雄军”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6个，建议您升级VIP下载更多相关专利

[发明专利]强化学习网络的训练方法、装置、设备及存储介质-CN202211741886.6在审
发明人：王锦;龚政;张逸帆;皮雄军 -专利权人：白杨时代（北京）科技有限公司
申请日： 2022-12-30 - 公布日： 2023-09-29 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了一种强化学习网络的训练方法、装置、设备及存储介质，可以应用于深度强化学习技术领域。该方法包括：为每次迭代训练的所有动作分配执行次数，得到分配结果，在该强化学习网络与环境交互的过程中，按照该分配结果执行该动作，计算按照该分配结果执行该动作所得到的总回报值，以该总回报值最大化为训练目标，迭代训练该强化学习网络。通过为强化学习网络输出的动作分配执行次数，降低决策频率与训练难度，并提高了训练效果的上限。
强化学习网络训练方法装置设备存储介质

[发明专利]基于双层模型的作战场景中飞机的动作控制方法及装置-CN202210889235.5有效
发明人： 皮雄军;彭鹏 -专利权人：白杨时代（北京）科技有限公司
申请日： 2022-07-27 - 公布日： 2023-05-19 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于双层模型的作战场景中飞机的动作控制方法及装置，包括：获取第一输入信息，其包括第一方以及第二方的每个作战飞机的位置信息、每个作战飞机的剩余导弹数量以及在空中双方的导弹位置信息，第一方和第二方为对立方；基于第一模型对第一输入信息进行处理，得到第一方的目标作战飞机；基于第二模型对获得的第二输入信息以及第一输入信息、目标作战飞机进行处理，确定与目标作战飞机的目标动作类型相匹配的动作控制信息，以使得通过动作控制信息控制目标作战飞机的执行动作。在本发明中采用双层模型来确定作战飞机以及对应的动作控制信息，提升了作战过程中飞机动作控制的精准性。
基于双层模型作战场景飞机动作控制方法装置

[发明专利]对抗单位的动态分配装置-CN202010642634.2有效
发明人：张海林;齐智敏;马贤明;王全东;黄谦;王锐华;皮雄军;高和顺 -专利权人：中国人民解放军军事科学院评估论证研究中心;白杨时代（北京）科技有限公司
申请日： 2020-07-06 - 公布日： 2021-05-14 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种对抗单位的动态分配装置，该装置具体包括：获取模块，用于获取数字战场环境中的对抗信息；预处理模块，用于对对抗信息进行预处理得到预处理信息；输出模块，利用训练好的循环神经网络模型对作为初始状态的分组开始向量和作为初始输入的预处理信息进行处理得到第一步输出，利用注意力模型对第一步输出与n个对抗单位的属性信息、分组结束单位的分组结束向量进行处理；采样模块，根据预设的随机采样规则，对归一化结果进行采样得到采样结果；循环模块，用于重复执行上述步骤，直至本次的采样结果为与分组结束单位对应的分量。通过该装置得到的分组信息更贴近数字战场环境，利于完成对抗任务，还能适应数字战场形势的变化。
对抗单位动态分配装置

[发明专利]对抗单位的动态分配方法-CN202010642635.7有效
发明人：马贤明;齐智敏;张海林;王全东;黄谦;陈敏;皮雄军;高和顺 -专利权人：中国人民解放军军事科学院评估论证研究中心;白杨时代（北京）科技有限公司
申请日： 2020-07-06 - 公布日： 2021-05-14 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种对抗单位的动态分配方法，该方法具体包括：获取数字战场环境中的对抗信息，对对抗信息进行预处理得到预处理信息，利用训练好的循环神经网络模型对作为初始状态的分组开始向量和作为初始输入的预处理信息进行处理得到第一步输出，利用注意力模型对第一步输出与n个对抗单位的属性信息、分组结束单位的分组结束向量进行处理；根据预设的随机采样规则，对归一化结果进行采样得到采样结果；重复执行上述步骤，直至本次的采样结果为与分组结束单位对应的分量。通过该方法得到的分组信息更贴近数字战场环境，利于完成对抗任务，还能适应数字战场形势的变化。
对抗单位动态分配方法

[发明专利]机器学习模型的优化方法、装置、终端设备和存储介质-CN201810687251.X在审
发明人：许世坤;皮雄军;项亮;陈忠祥;王长虎 -专利权人：北京字节跳动网络技术有限公司
申请日： 2018-06-28 - 公布日： 2018-11-23 - 主分类号： G06N99/00 文献下载
摘要：本发明涉及一种机器学习模型的优化方法、装置、终端设备及存储介质。本方法包括：获取多个待处理数据；将所述待处理数据输入机器学习模型，利用所述机器学习模型，筛选出符合预设条件的待处理数据作为标注数据；其中，所述标注数据包括训练数据和验证数据；利用所述训练数据对所述机器学习模型进行训练，确定经训练模型；至少根据所述经训练模型和所述验证数据，更新所述机器学习模型。本发明使得模型能够自动迭代收敛，大大节约了在模型优化过程中的人力和物力。
机器学习模型待处理数据存储介质训练模型训练数据验证数据终端设备标注迭代收敛模型优化输入机器数据包括预设条件优化筛选节约更新学习

[发明专利]基于云端服务器的硬件评分方法及装置-CN201210344173.6在审
发明人：郑斌;王海波;皮雄军;赵卫国;梁晓文;张宗恺 -专利权人：腾讯科技（深圳）有限公司
申请日： 2012-09-17 - 公布日： 2014-03-26 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及一种基于云端服务器的硬件评分方法，其包括步骤：检测计算机终端的硬件信息；根据计算机终端的硬件信息确定计算机终端的使用类型；以及根据计算机终端的各硬件的硬件信息以及计算机终端的使用类型对计算机终端的各硬件进行评分。本发明还涉及一种基于云端服务器的硬件评分装置。本发明的基于云端服务器的硬件评分方法及装置根据计算机终端的使用类型提供硬件评分、且可及时更新相应的数据库，使得硬件评分更加准确。
基于云端服务器硬件评分方法装置