基于强化学习的无人机知识模型组合的参数寻优方法

发明专利有效专利

申请号：
CN202211342407.3
IPC分类号：G06N3/04;G06N3/08;G06N5/02;G05B13/04
申请日期：
2022-10-31
申请人：
中国人民解放军国防科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于强化学习的无人机知识模型组合的参数寻优方法
申请号	CN202211342407.3	申请日期	2022-10-31
法律状态	公开	申报国家	中国
公开/公告日	2022-11-25	公开/公告号	CN115392444A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;N;5;/;0;2;;;G;0;5;B;1;3;/;0;4查看分类表>
申请人	中国人民解放军国防科技大学	申请人地址	湖南省长沙市开福区德雅路109号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国人民解放军国防科技大学	当前权利人	中国人民解放军国防科技大学
发明人	张驭龙;冯旸赫;朱松岩;刘忠;黄金才;黄魁华;李敏;张龙飞;刘瑶;阳方杰
代理机构	长沙国科天河知识产权代理有限公司	代理人	彭小兰

摘要

本申请涉及一种基于强化学习的无人机知识模型组合的参数寻优方法。所述方法包括利用组合动作损失函数对预先构建的组合动作神经网络进行训练，得到训练好的组合动作评价网络；根据原子动作损失函数对预先构建的原子动作神经网络进行训练，得到初始原子动作评价网络；根据预先设置的训练约束条件、训练好的组合动作网络的输出和初始原子动作评价网络的输出对初始原子动作评价网络进行训练，根据每个原子动作的评价值对预先构建的参数优化网络进行训练，利用训练好的参数优化网络对待优化的无人机知识模型组合的参数进行优化。采用本方法能够提高无人机知识模型组合准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供