[发明专利]一种基于Keras平台的自适应深度学习模型优化方法在审
| 申请号： | 201910380960.8 | 申请日： | 2019-05-08 |
| 公开（公告）号： | CN110245742A | 公开（公告）日： | 2019-09-17 |
| 发明（设计）人： | 赵坤;张挺 | 申请（专利权）人： | 上海电力学院 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/62;G06Q10/04;G06Q50/06 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 叶敏华 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于Keras平台的自适应深度学习模型优化方法，该方法包括下列步骤：1)对Q值网络的参数进行优化，将动作选择与全局最优决策分离；2)利用Keras建立预测模型，并对模型进行超参数调节；3)采用Q‑Learning算法为深度Q网络提供有标签的样本数据；4)根据提供的样本数据训练深度Q网络。与现有技术相比，本发明能够降低过高估计Q值的风险，易于调试，提高已读性，使模型对于具有多个相似模型组成的系统有一定的自适能力，进而使预测模型在其他相似结构的预测效果达到人工调参精度的水平，满足不同场景的预测需求。 | ||
| 搜索关键词： | 模型优化 样本数据 预测模型 自适应 参数调节 动作选择 全局最优 网络提供 相似结构 预测 算法 调试 标签 网络 场景 学习 优化 决策 | ||
【主权项】：
1.一种基于Keras平台的自适应深度学习模型优化方法，其特征在于，该方法包括下列步骤：1)对Q值网络的参数进行优化，将动作选择与全局最优决策分离；2)利用Keras建立预测模型，并对模型进行超参数调节；3)采用Q‑Learning算法为深度Q网络提供有标签的样本数据；4)根据提供的样本数据训练深度Q网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海电力学院，未经上海电力学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910380960.8/，转载请声明来源钻瓜专利网。
