一种基于强化学习的CCSL综合方法及系统

    公开(公告)号:CN113126963A

    公开(公告)日:2021-07-16

    申请号:CN202110274824.8

    申请日:2021-03-15

    IPC分类号: G06F8/20 G06F8/35 G06N20/00

    摘要: 本发明提出了一种基于强化学习的CCSL综合方法,该方法将一个不完整的CCSL规约编码成为一个强化学习模型,并系统预期行为对模型训练进行指导,最终将模型转化为完整的CCSL约束。该方法包括:强化学习模型的生成方法,强化学习模型的训练方法,CCSL约束验证方法以及强化学习奖励评估方法。通过本发明方法自动化的生成了CCSL规约,为设计人员提供了较为有效的指导,极大地降低了系统设计的成本。本发明还提出了一种基于强化学习的CCSL综合系统。

    一种基于强化学习的CCSL综合方法及系统

    公开(公告)号:CN113126963B

    公开(公告)日:2024-03-12

    申请号:CN202110274824.8

    申请日:2021-03-15

    IPC分类号: G06F8/20 G06F8/35 G06N20/00

    摘要: 本发明提出了一种基于强化学习的CCSL综合方法,该方法将一个不完整的CCSL规约编码成为一个强化学习模型,并系统预期行为对模型训练进行指导,最终将模型转化为完整的CCSL约束。该方法包括:强化学习模型的生成方法,强化学习模型的训练方法,CCSL约束验证方法以及强化学习奖励评估方法。通过本发明方法自动化的生成了CCSL规约,为设计人员提供了较为有效的指导,极大地降低了系统设计的成本。本发明还提出了一种基于强化学习的CCSL综合系统。

    一种利用正交视觉转换器提高图像识别准确率的方法及应用

    公开(公告)号:CN114943883A

    公开(公告)日:2022-08-26

    申请号:CN202210628383.1

    申请日:2022-06-06

    摘要: 本发明公开了一种利用正交视觉转换器提高图像识别准确率的方法,所述方法包括以下具体步骤:步骤一、生成正交视觉转换器中自注意力层所需的查询矩阵、键矩阵和值矩阵;步骤二、基于正交投影矩阵,根据查询矩阵、键矩阵和值矩阵计算自注意力;步骤三、基于正交投影矩阵,将步骤二中的自注意力机制扩展到多头;步骤四、基于正交投影矩阵,训练正交视觉转换器模型;步骤五、利用步骤四中获得的正交视觉转换器模型进行图像识别。本发明还公开了上述方法在提高图像识别预测准确率中的应用。本发明所述的方法能够在图像识别场景中提高传统视觉转换器的推理精度,同时具备一定的鲁棒性。