“learning”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683个，建议您升级VIP下载更多相关专利

[发明专利]一种基于改进的Q-learning的最优决策方法-CN202011514716.5在审
发明人：蒋雯;黄方慧;耿杰;邓鑫洋 -专利权人：西北工业大学
申请日： 2020-12-21 - 公布日： 2021-04-02 - 主分类号： G06N20/10 文献下载
摘要：本发明公开了一种基于改进的Q‑learning的最优决策方法，包括以下步骤：步骤一、非线性系统模型构建；步骤二、马尔科夫模型构建；步骤三、Q‑learning算法求解；步骤四、Q‑learning算法中改进的动作选择策略；步骤五、改进的Q‑learning算法更新决策。本发明采用改进的Q‑learning算法实现非线性系统的最优决策，通过采用改进的动作选择策略进行系统的动作选择，解决了Q‑learning算法中的探索开发平衡问题，并使算法收敛速度快；本发明提出的改进的Q‑learning算法可以在无系统先验信息或系统数据的情况下实现对非线性离散系统的最优决策。
一种基于改进 learning 最优决策方法

[发明专利]一种基于Q-learning的移动端音乐播放器动态调节能耗优化方法-CN201811105084.X在审
发明人：高岭;赵子鑫;袁璐;张晓;任杰;王海;党从心;秦晨光 -专利权人：西北大学
申请日： 2018-09-21 - 公布日： 2018-12-07 - 主分类号： H04W52/02 文献下载
摘要：一种基于Q‑learning的移动端音乐播放器动态调节能耗优化方法，在不同的网络状态下进行在线听歌，检测测试手机电池功率，测试手机收集每个时间段网络信号强度，整理出用户的环境状态，建立Q‑learning模型，根据所采集到的环境状态建立Q‑learning状态空间，其次建立Q‑learning模型的动作集合，建立Q‑learning动作空间，仿真Q‑learning模型变化过程，寻找Q值最优动作；MATLAB仿真Q‑learning模型，运用最优解搜索策略，求解模型的最优解；设备获取到的环境状态的各个值，利用Q学习的搜索策略，根据Q值不断选择最佳动作，达到能耗优化。在Q‑learning学习过程中通过Q值的迭代找到最优策略，动态调整下载的音乐质量的高低，选择最佳质量的音频，在满足用户体验的情况下尽可能降低移动设备的能耗。
环境状态能耗优化音乐播放器测试手机动态调节搜索策略移动端最优解电池功率动态调整动作集合动作空间模型变化求解模型设备获取网络信号网络状态学习过程移动设备用户体验状态空间最优策略时间段迭代下载能耗采集检测音乐

[发明专利]Q-learning辅助的连续消除翻转译码器及其译码方法-CN202110168431.9在审
发明人：李君;何金隆;朱明浩;仲星;李正权 -专利权人：南京信息工程大学滨江学院
申请日： 2021-02-07 - 公布日： 2021-06-11 - 主分类号： H03M13/00 文献下载
摘要：本发明公开了Q‑learning辅助的连续消除翻转译码器及其译码方法，属于通信信道编码的译码技术领域，包括Q‑learning学习模块和SCF译码模块，在所述的Q‑learning学习模块中有两个部分，所述的Q‑learning模型的学习部分和处理学习后的Q表部分；在SCF译码模块中有Q‑learning辅助的SCF译码部分。本发明给出了QLSCF译码器的强化学习模型设计，其中模型训练的环境为SCF译码过程，让Q‑learning训练算法能用于候选比特的选择过程，由于强化学习模型的训练是离线的，因此QLSCF译码器的译码延迟不会增加；本发明的QLSCF译码器是采用强化学习中的Q‑learning算法进行训练的，达到利用强化学习来降低译码延迟效果的极化码译码器。
learning 辅助连续消除翻转译码器及其译码方法

[发明专利]基于E-Learning的海量数据挖掘分析系统-CN201711491248.2在审
发明人：徐继峰;周峻松;祁建明;陈墩金 -专利权人：广州明领基因科技有限公司
申请日： 2017-12-30 - 公布日： 2019-07-09 - 主分类号： G06F8/20 文献下载
摘要：本发明公开了一种基于E‑Learning的海量数据挖掘分析系统，该系统包括：E‑Learning编辑服务器层与数据处理层；其中，所述E‑Learning编辑服务器层负责定义用户浏览行为并从中分析得到用户与基于E‑Learning的海量数据挖掘分析系统间的关系，将符合用户行为个性的版面优先展示，并向所述数据处理层传输及接受数据，为用户提供更好的服务；所述数据处理层根据所述E‑Learning编辑服务器层传输来的满足用户数据分析需求的数据，利用软件编译中的数据挖掘查询语言进行数据查找与解析，并将解析后的数据传回所述E‑Learning编辑服务器层进行循环使用。
编辑服务器海量数据挖掘数据处理层分析系统解析查询语言定义用户软件编译数据查找数据传回数据挖掘用户数据用户提供用户行为浏览行为传输版面分析个性展示服务

[发明专利]一种客观评价e-learning用户体验质量的方法-CN201310393210.7有效
发明人：吴茜媛;张云强;郑庆华;曾彬 -专利权人：西安交通大学
申请日： 2013-09-02 - 公布日： 2014-02-12 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种客观评价e-learning用户体验质量的方法，建立e-learning用户体验质量评价指标体系，提出指标体系中影响要素的量化方法，通过e-learning系统的用户日志数据，提取影响要素的特征值并进行量化评价本发明基于客观日志数据，重点解决了e-learning用户体验质量影响要素的定量分析、要素权重的确定等关键技术。与当前用户体验质量评价中普遍依赖问卷调查的主观评价方法相比，本发明可以评价单用户的e-learning用户体验质量，避免了组织主观问卷调查，可以依据用户日志数据客观的评价e-learning用户体验质量
一种客观评价 learning 用户体验质量方法

[发明专利]基于Q-Learning算法的调整运动速度的方法、跑步机及提示装置-CN202110421305.X有效
发明人：张永亮;张世潮;叶骏;陈娟;曾强;李军;高向阳;何明清 -专利权人：北京动亮健康科技有限公司
申请日： 2021-04-20 - 公布日： 2021-07-27 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及人工智能领域，提供一种基于Q‑Learning算法的调整运动速度的方法、跑步机及提示装置，所述方法包括如下步骤：S1：基于用户在第一预定时间段的运动锻炼信息建立运动锻炼奖励矩阵，所述运动锻炼信息包括速度和心率，所述运动锻炼奖励矩阵以运动心率处在预定恒定心率范围内为训练目标，评估每次速度变化下用户身体变化效果的程度；S2：基于运动锻炼奖励矩阵和Q‑Learning算法形成Q‑Learning矩阵，所述Q‑Learning矩阵评估每次速度变化下用户身体变化的受益程度；S3：根据Q‑Learning矩阵调整用户的运动速度。
基于 learning 算法调整运动速度方法跑步提示装置

[发明专利]一种基于Deep Q-Learning的集群区域覆盖方法-CN202210026133.0有效
发明人：袁国慧;王卓然;肖剑;何劲辉 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-01-11 - 公布日： 2023-10-13 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种基于Deep Q‑Learning的集群区域覆盖方法，包括以下步骤：建立集群系统的动力学模型；确定集群中智能体的邻居集合；建立集群系统的运动控制模型；对信息地图进行构造，并对信息地图进行编码；根据信息地图定义强化学习需要的状态空间、行为空间，回报函数；设计Deep Q‑Learning算法所需网络模型；设计自由区域下的Deep Q‑Learning区域覆盖算法；对得到的点按需调整，得到有障碍区域下的Deep Q‑Learning区域覆盖算法。本发明借助Deep Q‑Learning技术实现集群区域覆盖控制算法的训练与学习，实现自由区域和有障碍物区域下的集群区域覆盖，有效提高集群区域覆盖效率，同时能够保证在弱通信环境下算法的稳定性。
一种基于 deep learning 集群区域覆盖方法

[发明专利]一种快速获取到达程序指定点测试用例的方法-CN202010004142.0有效
发明人：吴劼;张枨宇;蒲戈光 -专利权人：华东师范大学
申请日： 2020-01-03 - 公布日： 2021-10-15 - 主分类号： G06F11/36 文献下载
摘要：首先在给定的程序中设置一个目标代码点，该目标点代表程序实际运行时出现程序运行错误的位置；利用静态分析技术提取该目标点的dominator语句，dominator语句为到达目标点的过程中所必须经过的中间语句；增强学习技术利用Q‑learning，将其写入一个独立的python文件中；符号执行工具选择KLEE，当KLEE遇到分支决策时，将与包含Q‑learning算法的python文件进行socket通信，当前分支的决策将由Q‑learning决定；若KLEE遵循了Q‑learning算法并且在走完分支后遇到dominator语句，则返回给Q‑learning一个值为正的奖励，否则为负的奖励；Q‑learning将根据得到的奖励值更新决策；若
一种快速获取到达程序指定测试方法

[发明专利]一种双有源半桥直流变换器能耗优化方法-CN202011498445.9有效
发明人：胡维昊;李坚;潘思铭;胡广;唐远鸿;曹迪;许潇;井实;张国洲;邓惠文 -专利权人：电子科技大学
申请日： 2020-12-17 - 公布日： 2022-07-26 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种双有源半桥直流变换器能耗优化方法，先设置双有源半桥直流变换器的工作状态，再分别Q‑learning模型的目标函数、状态空间、动作空间和奖励函数，完成Q‑learning模型的搭建；然后使用MATLAB工具仿真Q‑learning模型进行训练，直到Q‑learning模型收敛，从而以获得双有源全桥直流变换器在最低损耗下的双重移相控制变量；最后根据得到的的双重移相控制变量，完成对双有源半桥直流变换器的控制
一种有源直流变换器能耗优化方法

[发明专利]基于改进Q-learning算法的移动机器人路径规划方法-CN202310368455.8在审
发明人：张燕;王志祥;董美琪;彭昊杰;吴剑飞 -专利权人：河北工业大学
申请日： 2023-04-10 - 公布日： 2023-07-04 - 主分类号： G01C21/34 文献下载
摘要：本发明为一种基于改进Q‑learning算法的移动机器人路径规划方法，移动机器人首先利用传统Q‑learning算法进行初始路径探索，移动机器人一旦达到目标点则停止探索，对Q表进行初始化，并将初始化的Q表用于后续的路径规划；然后，对传统Q‑learning算法的贪婪策略和动作选择策略进行改进，移动机器人利用改进的Q‑learning算法进行路径探索，改进的贪婪策略通过移动机器人所在的位置和当前迭代次数约束探索概率，改进的动作选择策略利用初始化的Q表以及下一状态与目标点之间的距离进行动作选择，减少了无效探索，解决了传统Q‑learning算法收敛速度慢、在探索前期存在的盲目性大等问题。
基于改进 learning 算法移动机器人路径规划方法

[发明专利]基于DeepLearning的领域概念抽取方法-CN201410259300.1有效
发明人：吕钊;张青 -专利权人：华东师范大学
申请日： 2014-06-11 - 公布日： 2017-06-16 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于Deep Learning的领域概念抽取方法，首先对训练语料库进行样本提取，选取词频、文档频率、反文档频率、词语长度、词频方差和领域一致度作为特征向量，其次基于Deep Learning技术，训练出深度网络模型，该模型能够有效表示单词型领域概念多维度的特征向量和类别标记之间的复杂映射关系，最后在测试阶段将基于Deep Learning技术构建的深度网络模型与改进的BP神经网络模型及主流的KNN、SVM模型进行对比，实验表明利用Deep Learning技术训练得到的深度网络模型取得了最佳的实验效果。
基于 deep learning 领域概念抽取方法

[发明专利]基于USB的可移动E-Learning系统及方法-CN200810143809.4无效
发明人：程立志;邓磊;袁清 -专利权人：程立志;邓磊;袁清
申请日： 2008-12-04 - 公布日： 2010-06-23 - 主分类号： G06F17/00 文献下载
摘要：一种基于USB的可移动E-Learning系统及方法。基于USB的可移动E-Learning系统包括E-Learning中心系统和USB移动学习模块。E-Learning中心系统在拥有一般学习管理功能的基础上增加USB学习管理相关模块，实现对USB移动学习模块的通信及管理功能。通过该可移动E-Learning系统，结合科学的用户学习流程控制办法，真正实现了随时随地学习的目标。
基于 usb 移动 learning 系统方法

[实用新型]M-Learning无线网络学习系统-CN201020506618.2有效
发明人：魏喜平 -专利权人：深圳市问鼎资讯有限公司
申请日： 2010-08-26 - 公布日： 2011-09-07 - 主分类号： G09B5/08 文献下载
摘要：本实用新型公开了一种M-Learning无线网络学习系统，它以M-Learning构想为出发点，并考虑到E-Learning等现有技术及M-Learning构想还存在的或未考虑到的一些问题，旨在提供一种在硬件上基于现有2.5G、2.75G、3G网络和转码工具，为具有GPRS、EDGE、CDMAIX等上网功能的普通智能手机用户提供无线网络实时多媒体学习的新的可实施的M-Learning无线网络学习系统，同时该系统在软件上还在应用广泛的
learning 无线网络学习系统

[发明专利]基于Q-Learning的SVC编码HTTP流媒体自适应方法-CN201810366841.2有效
发明人：熊丽荣;尤日晶;沈树茂 -专利权人：浙江工业大学
申请日： 2018-04-23 - 公布日： 2020-10-09 - 主分类号： H04L29/06 文献下载
摘要：基于Q‑Learning的SVC编码HTTP流媒体自适应方法，首先构建Q‑Learning模型，将SVC编码的流媒体交互情境，构建状态集、行为集和回报函数，并选用探索策略，其次将构建好的Q‑Learning
基于 learning svc 编码 http 流媒体自适应方法

[发明专利]一种基于深度强化学习的机器人路径规划方法-CN201911199561.8在审
发明人：邓三鹏;祁宇明;谢雷;李辉;张香玲;杨彬 -专利权人：天津博诺智创机器人技术有限公司
申请日： 2019-11-29 - 公布日： 2020-04-10 - 主分类号： B25J9/16 文献下载
摘要：针对强化学习中Q‑learning算法在复杂环境下难以进行路径规划的问题，将深度卷积神经网络的特征提取能力与强化学习的决策能力相结合，提出了一种基于深度强化学习的改进算法。该方法用值函数近似法代替Q‑learning中的动作值函数，设计了包含4层结构的深度卷积神经网络，以网络的输出代替传统的Q值表，解决了Q‑learning在状态空间较大时产生的维数灾难问题。在栅格环境下进行仿真实验，结果表明该方法相较于Q‑learning算法能够在复杂的环境下进行路径规划，并在新的测试集上取得了87%的识别率，具有较强的泛化能力。
一种基于深度强化学习机器人路径规划方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 683 条