“强化学习”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果798149个，建议您升级VIP下载更多相关专利

[发明专利]一种电热水器需求响应优化方法、设备及介质-CN202111125770.5在审
发明人：杨雨瑶;冯浩洋;李经儒;潘峰;马键;张捷 -专利权人：广东电网有限责任公司;广东电网有限责任公司计量中心
申请日： 2021-09-24 - 公布日： 2021-12-28 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种电热水器需求响应优化方法、设备及介质，该方法包括：根据获取的相关数据确定电热水器需求响应优化的知识规则以及构建强化学习模型，结合电热水器控制周期的电价趋势指示信号，对应生成电热水器需求响应优化的第一控制动作以及第二控制动作，并输入预设的控制动作选择器进行处理，根据预设的概率选择第一控制动作与第二控制动作中的一种执行仿真，并结合强化学习状态量以及预设的强化学习回报函数以确定强化学习样本，将强化学习样本输入强化学习模型进行训练至收敛本发明通过结合知识规则和强化学习，以提高电热水器需求响应优化的效率。
一种电热水器需求响应优化方法设备介质

[发明专利]一种基于深度强化学习与导纳控制的机器人轴孔装配方法-CN202211369853.3在审
发明人：李明富;邓旭康;谭雅斌;姜瑞森;张黎明;刘振宇 -专利权人：湘潭大学
申请日： 2022-11-03 - 公布日： 2023-02-03 - 主分类号： B25J9/16 文献下载
摘要：本发明提供了一种基于深度强化学习与导纳控制的机器人轴孔装配方法，属于智能制造领域；本发明针对单轴孔搜孔阶段与多轴孔搜孔阶段，分别设计深度强化学习网络Ⅰ和深度强化学习网络Ⅱ来训练搜孔动作的输出，同时在此过程中加入搜孔先验知识，来提高深度强化学习网络的探索训练效率；针对单轴孔插孔阶段与多轴孔插孔阶段，设计基于深度强化学习网络Ⅲ的变导纳控制方法来实现机器人顺利的插孔，同时加入插孔先验知识，若状态为先验状态则直接输出机器人调整姿态，如不是则输入到深度强化学习网络Ⅲ进行训练，提高了机器人插孔的效率；采用本发明的技术方案，通过深度强化学习网络的训练，输出调整策略，可以控制机器人完成单轴孔与多轴孔的装配。
一种基于深度强化学习导纳控制机器人装配方法

[发明专利]一种基于强化学习网络的目标引导型个性化对话方法与系统-CN201810009636.0有效
发明人：叶志豪;蔡瑞初;廖朝辉 -专利权人：广东工业大学
申请日： 2018-01-05 - 公布日： 2021-12-28 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种基于强化学习网络的目标引导型个性化对话方法与系统，包括用于协调控制整个对话过程的控制器、对话训练以及对话识别；其中，所述控制器用于控制整个对话流程；所述对话训练用于训练迭代优化强化学习网络；所述对话识别利用强化学习网络识别输出相对应的对话策略动作。本发明利用强化学习网络形成策略梯度神经网络系统，在对话训练过程中根据模拟用户建立个性属性模型并迭代优化强化学习网络，在对话识别中获取对话信息以及用户个性化属性后输入到强化学习网络，然后强化学习网络能够结合用户的个性化属性搭建统一输出模型
一种基于强化学习网络目标引导个性化对话方法系统

[发明专利]一种基于强化学习的个性化学习路径推荐方法-CN202310507281.9在审
发明人：张天成;李季;李捷;张馨艺;于明鹤;于戈 -专利权人：东北大学
申请日： 2023-05-08 - 公布日： 2023-08-01 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种基于强化学习的个性化学习路径推荐方法，涉及教育数据挖掘技术领域。该方法首先根据学者的学习记录构建学习者模拟器，该模拟器能够判断出学习者的学习水平；然后通过基于文本分类和关联规则挖掘的概念图自动构建模型自动构建练习题所包含的知识点间的知识关系图；再基于知识关系图以及认知诊断模型设计一个练习题导航模块，选择潜在的候选练习题；强化学习智能体在动作空间中选择动作后，在状态空间中确定状态转移，根据损失函数和优化策略更新模型参数，优化强化学习模型；最后使用设计的强化学习模型给学习者推荐练习，并根据学习者的学习情况更新强化学习模型参数该方法能为学习者推荐高效合理的学习路径。
一种基于强化学习个性化路径推荐方法

[发明专利]在放射治疗计划优化中使用强化学习来定位剂量-体积目标-CN202180034806.0在审
发明人： S·巴西里;E·屈塞拉;E·切兹勒;M·O·哈卡拉 -专利权人：西门子医疗国际股份有限公司
申请日： 2021-06-07 - 公布日： 2023-01-13 - 主分类号： A61N5/10 文献下载
摘要：增强学习代理有助于优化放射递送治疗计划。强化学习代理被配置为生成放射递送治疗计划，该放射递送治疗计划可以超过用于训练强化学习代理的一个或多个计划的质量。训练强化学习代理被训练以评估805由优化软件应用输出的放射递送治疗计划，修改807经评估的放射递送治疗计划的一个或多个剂量‑体积目标参数，然后将经修改的放射递送治疗计划输入到优化软件应用以用于进一步优化强化学习代理基于在强化学习训练过程期间学习的动作策略自适应地调整一个或多个剂量‑体积目标参数。
放射治疗计划优化使用强化学习定位剂量体积目标

[发明专利]一种基于强化学习的SDN路由规划方法-CN201811292342.X有效
发明人：李传煌;卢正勇;吴艳;唐豪;任云方 -专利权人：浙江工商大学
申请日： 2018-10-31 - 公布日： 2021-03-30 - 主分类号： H04L12/721 文献下载
摘要：本发明公开一种基于强化学习的SDN路由规划方法，该方法为：在SDN控制平面，采用强化学习中的Q学习构建能够产生路由的强化学习模型，设计Q学习算法中的奖励函数，根据流量的不同QoS等级，产生不同的奖励值；在强化学习模型中输入当前网络拓扑矩阵、流量特征以及流量的QoS等级进行训练，从而实现流量区分的SDN路由规划，为每条流量找到符合其QoS要求的最短转发路径。本发明利用强化学习与环境不断交互、调整策略的特点，相比于传统路由规划中常用的Dijkstra算法，其链路利用率高，能有效减少网络拥塞。
一种基于强化学习 sdn 路由规划方法

[发明专利]一种基于多智能体强化学习的无人集群任务协同方法-CN202110841689.0在审
发明人：陈彦桥;王雅涵;李晨阳;关俊志;耿虎军;高峰;张泽勇;蔡迎哲;柴兴华 -专利权人：中国电子科技集团公司第五十四研究所
申请日： 2021-07-26 - 公布日： 2021-11-02 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于多智能体强化学习的无人集群任务协同方法，属于无人集群任务规划技术领域。本发明基于Unity搭建面向多无人系统任务规划的强化学习仿真环境；使用Gym将获取到的仿真环境的信息搭建成符合规范的强化学习环境；对无人机集群对抗环境建模；使用Tensorflow深度学习库搭建多智能体强化学习环境；使用协作深度确定性策略梯度方法求解多智能体强化学习问题；输出无人集群任务规划结果。
一种基于智能强化学习无人集群任务协同方法

[发明专利]基于深度强化学习的结构可靠度抽样方法-CN201910212148.4在审
发明人：鲍跃全;项正良;李惠;唐志一 -专利权人：哈尔滨工业大学
申请日： 2019-03-20 - 公布日： 2019-07-05 - 主分类号： G06N3/04 文献下载
摘要：本发明是基于深度强化学习的结构可靠度抽样方法。本发明针对现有技术在结构可靠度抽样算法方面的不足，利用深度强化学习算法，提出基于深度强化学习的结构可靠度抽样方法，该方法融合的计算机视觉和深度强化学习等技术，可实现抽样空间的智能观察，以及在结构失效面附近的重要区域智能选取样本为了实现强化学习的结构可靠度抽样，采用深度神经网络作为强化学习中的机器。通过定义一个合适的奖赏，在训练更新机器的同时，可以实现在结构失效面附近的重要区域智能抽样。
结构可靠度强化学习抽样重要区域失效面强化学习算法计算机视觉采样能力抽样算法代理模型方法融合神经网络训练样本智能结构智能选取智能高效性可靠度奖赏样本观察更新

[发明专利]线程分配方法、装置、计算机设备及存储介质-CN202011051615.9在审
发明人：王文斓;刘炉;蔡青峰 -专利权人：广州虎牙科技有限公司
申请日： 2020-09-29 - 公布日： 2021-01-01 - 主分类号： G06F9/50 文献下载
摘要：本申请公开了一种线程分配方法、装置、计算机设备及存储介质，该方法包括：根据异构系统的线程配置目标确定预设强化学习模型的输入数据；将输入数据输入预设强化学习模型，执行预设强化学习模型以得到输出数据；根据预设强化学习模型的输出数据确定线程分配信息本申请实施例提供的线程分配方法，能够根据异构系统的线程配置目标确定输入数据，通过强化学习模型得到输入数据对应的输出数据，根据输出数据可以确定吞吐量最大时分配给各个异构硬件的CPU线程数量，进而实现通过强化学习模型得到异构计算的最优的线程分配信息
线程分配方法装置计算机设备存储介质

[发明专利]一种用于UUV集群的强化学习算法研究平台-CN202011015816.3在审
发明人：徐健;黄飞;邢文;张耕实;李娟 -专利权人：哈尔滨工程大学
申请日： 2020-09-24 - 公布日： 2020-12-29 - 主分类号： G06F30/27 文献下载
摘要：本发明属于UUV集群研究技术领域，具体涉及一种用于UUV集群的强化学习算法研究平台。本发明解决了在研究用于UUV集群决策控制的强化学习算法时，需要对所研究的强化学习算法进行训练和结果验证的问题。本发明不仅可以快速对所研究的强化学习算法进行训练，而且还能对其决策控制效果进行验证，避免了直接进行UUV集群水下实验所耗费的大量时间和可能产生的未知风险，满足了算法研究人员对实验的需求。本发明能方便的对UUV集群强化学习算法进行训练和验证，从而极大的提高UUV集群的强化学习算法研发效率。本发明采用模块化设计，具有较好的扩展性，便于定制化。
一种用于 uuv 集群强化学习算法研究平台

[发明专利]一种基于概率密度估计的逆强化学习方法-CN202110183966.3在审
发明人：刘阳;袁博 -专利权人：清华大学深圳国际研究生院
申请日： 2021-02-10 - 公布日： 2021-06-18 - 主分类号： G06N20/00 文献下载
摘要：一种基于概率密度估计的逆强化学习方法，包括：初始化策略模型；获取专家示范；利用专家示范估计专家的状态分布概率密度；利用专家示范估计专家状态动作联合分布概率密度；利用策略与环境交互，收集策略状态样本；利用状态样本估计策略状态分布概率密度该方法可以整合到各类现有的逆强化学习框架中，大大提高各类逆强化学习算法的效率；同时，可以显著降低各类逆强化学习框架的计算复杂度，提高逆强化学习框架的样本利用率，以及加快逆强化学习框架的收敛速度。
一种基于概率密度估计强化学习方法

[发明专利]一种基于视觉反馈和强化学习的柔性臂控制与规划方法-CN202010944332.0在审
发明人：敬忠良;刘物己;乔凌峰;潘汉;陈务军;滕亚军 -专利权人：上海交通大学
申请日： 2020-09-10 - 公布日： 2021-03-16 - 主分类号： G05B13/04 文献下载
摘要：一种基于视觉反馈和强化学习的柔性臂控制与规划方法，包括：采集目标定位训练样本；对目标定位深度神经网络进行训练；设计针对所述柔性臂的基于Q‑learning的强化学习算法；通过训练好的所述目标定位深度神经网络进行目标检测，检测的输出作为强化学习的输入量，进行强化学习；根据强化学习结果，驱动所述柔性臂完成指定操控任务。本发明的有益效果是：适应范围广，由于强化学习不依赖模型的控制特性，可以适用于解决多种复杂结构的柔性机器人的控制问题，可以在柔性机器人操控领域广泛应用，为目前缺乏有效控制手段的柔性机器人领域提供重要的技术支持
一种基于视觉反馈强化学习柔性控制规划方法

[发明专利]一种基于深度强化学习的机械臂控制模型构建方法-CN202011149361.4在审
发明人：徐巧玉;姬周珂;李坤鹏;方梦娟;王军委 -专利权人：洛阳银杏科技有限公司
申请日： 2020-10-23 - 公布日： 2021-03-19 - 主分类号： G06F30/27 文献下载
摘要：一种基于深度强化学习的机械臂控制模型构建方法，包括：基于真实机械臂构建仿真机械臂，真实机械臂和仿真机械臂均包括若干个关节；设定多个目标点，并且控制真实机械臂的末端向目标点移动，记录真实机械臂的真实结果参数，真实结果参数包括实际关节参数和末端位置参数；基于仿真机械臂构建选定深度强化学习算法；在深度强化学习算法中生成控制策略；基于目标点对深度强化学习算法进行训练；将训练过的深度强化学习算法中的控制策略输出为控制模型本发明提供一种基于深度强化学习的机械臂控制模型构建方法，收敛速度快，并且生成的控制模型控制精度高。
一种基于深度强化学习机械控制模型构建方法

[发明专利]一种Simulink模型到C语言的优化参数自动配置方法-CN202210395425.1在审
发明人：李辉;刘忠岩;赵娇茹;陈荣 -专利权人：大连海事大学
申请日： 2022-04-14 - 公布日： 2022-09-02 - 主分类号： G06F8/41 文献下载
摘要：本发明公开了一种Simulink模型到C语言的优化参数自动配置方法，包括：使用现有的随机生成工具生成Simulink模型，构建强化学习代理，将图结构输入至强化学习代理，所述强化学习代理根据输入信息选择Simulink模型下一步要执行的动作，并将要执行的动作传送至Simlink模型；将选择的参数序列用于当前Simulink模型编译为C语言的过程中，更新强化学习代理，根据时间加速比对强化学习代理进行更新，将新的Simulink模型输入至完成更新的强化学习代理中进行优化参数的推荐，该方法求出的参数编译成的C语言的执行时间将比使用Matlab自行推荐的参数编译成的C语言的执行时间更短。
一种 simulink 模型语言优化参数自动配置方法

[发明专利]一种强化学习在大型仿真环境下的加速训练方法-CN202210224866.5在审
发明人：王得坤;宫晓利;张金 -专利权人：南开大学
申请日： 2022-03-09 - 公布日： 2022-06-10 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种强化学习在大型仿真环境下的加速训练方法，包括：搭建环境仿真模型、初始强化学习模型和自监督模型，通过环境仿真模型和初始强化学习模型的不断交互，产生图像数据；采用分布式架构采集图像数据；通过自监督模型提取图像数据中的低维特征，得到特征编码；基于强化学习模型将特征编码的多个历史状态信息进行保存，并对不同的历史状态信息赋予不同的权重系数，最终得到一个满足马尔科夫性质的状态编码，输出一组序列数据，作为训练数据；基于训练数据对初始强化学习模型进行分布式训练，直至满足优化目标，得到最终强化学习模型。
一种强化学习大型仿真环境加速训练方法