基于深度强化学习参数自动调整的铝电解故障识别方法
公开
摘要
本发明公开的基于深度强化学习参数自动调整的铝电解故障识别方法，包括以下步骤：步骤1、对收集到的铝电解数据进行处理；步骤2、选择一维卷积神经网络作为网络模型，确定分类器为softmax；步骤3、对卷积神经网络模型的网络结构进行优化及确定；步骤4、对分类模型进行训练；步骤5、判断终止条件；步骤6、待识别样本输入分类；步骤7、计算识别率。本发明基于深度强化学习参数自动调整的铝电解故障识别方法，解决了现有技术中铝电解故障数据识别的准确性不高，故障识别模型结构难以确定的问题。
基本信息
专利标题 ：
基于深度强化学习参数自动调整的铝电解故障识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114595750A
申请号 ：
CN202210186157.2
公开（公告）日 ：
2022-06-07
申请日 ：
2022-02-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
吴亚丽王君虎杨延西郑帅龙
申请人 ：
西安理工大学
申请人地址 ：
陕西省西安市碑林区金花南路5号
代理机构 ：
西安弘理专利事务所
代理人 ：
徐瑶
优先权 ：
CN202210186157.2
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
