-
公开(公告)号：CN118552308A
公开(公告)日：2024-08-27
申请号：CN202410464884.X
申请日：2024-04-17
申请人： 厦门大学平潭研究院
摘要： 本发明涉及一种投资组合优化方法、终端设备及存储介质，该方法中包括：采集待分析股票市场的交易区间内各股票的新闻数据；计算股票在每个交易日的情绪分数，并转换为股票情绪分数向量；将距离当前交易日最近的k个历史交易日的股票价格特征与股票情绪分数向量相结合，作为强化学习中当前交易日的状态；构建强化学习模型，将当前交易日的状态作为策略网络的输入，设定动作为当前交易日开始时的投资组合权重向量，结合当前交易日的价格变化向量设定奖励；通过历史状态转移数据对强化学习模型中的模型参数进行优化，得到训练好的投资组合优化策略。本发明充分发掘财务数据的复杂性和非线性特征，提高了模型在优化投资组合时的稳定性和效率。
-
公开(公告)号：CN117691613A
公开(公告)日：2024-03-12
申请号：CN202311621069.1
申请日：2023-11-28
申请人： 国网福建省电力有限公司 , 北京科东电力控制系统有限责任公司 , 国电南瑞科技股份有限公司 , 国网信通亿力科技有限责任公司 , 厦门大学平潭研究院
发明人： 陈斌 , 刘必晶 , 范海威 , 林凡 , 李泽科 , 郭久煜 , 陈建洪 , 黄海腾 , 杨勇 , 王春安 , 丁凌龙 , 杨旭 , 陈书里 , 吴炜 , 吴克刚 , 夏慧 , 郝旭亮 , 陆佳 , 林航 , 余开杭 , 陈惠文
IPC分类号： H02J3/14 , H02J13/00 , H04L67/12 , G06F18/241 , G06Q50/06
摘要： 本发明公开了一种电网分批分类精准切荷方法和系统。所述方法包括：将切荷对象分为专线切荷、专变切荷和公线切荷三类资源；引入分配比例逻辑和控制逻辑；在省调系统，建立资源池监视与统计、切荷量分配、根据切荷量计算三类资源的分配、控制过程监视功能；在地调系统，建立资源池监视画面与统计、接令部分增加了资源池数据分配；在省地协同控制上，控制模式为省－地－配各级系统指令并行执行，省调下令包含“专线+专变”的选线类型，地调在根据指令进行专线资源选线控制的同时，向配调下发专变控制指令，并支持省调短时间内向地区并发多次下令。
-
公开(公告)号：CN116486341A
公开(公告)日：2023-07-25
申请号：CN202310473044.5
申请日：2023-04-27
申请人： 厦门大学
IPC分类号： G06V20/52 , G06V40/10 , G06V10/774 , G06K17/00
摘要： 本申请的实施例提供了一种基于RFID的人体行为识别模型的训练、识别方法及装置。该训练方法包括：分别对目标域训练数据集中的信号接收强度指示序列和相位值序列进行预处理，得到对应的信号接收强度指示矩阵以及相位值矩阵，并输入至经源域训练数据集预训练后的人体行为识别模型，以输出对应的加权后的目标特征向量；将加权后的目标特征向量输入至域判别器，以输出对应的域判别标签；进行批量光谱惩罚计算，并根据计算结果以及域判别标签，对人体行为识别模型进行调优，以得到目标人体行为识别模型。本申请实施例的技术方案可以消除不可转移的特征和特定领域特征的影响，提高人体行为识别精度。
-
公开(公告)号：CN112597391B
公开(公告)日：2022-08-12
申请号：CN202011564657.2
申请日：2020-12-25
申请人： 厦门大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06N20/00
摘要： 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统，包括用户画像矫正器：采用一种动态递归机制的策略梯度方法，及引入参数动态稀疏权重以删除噪声数据来修改用户画像，其中，所述动态递归机制的策略梯度方法包括：动态基线和基于时序上下文的递归强化学习，所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进；注意力机制：用于自动调整用户偏好的变化；推荐模型：用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统，通过在策略梯度方法中引入一个参数动态稀疏权重，使智能体在全局最优策略下选择最优行为；其次，结合时间上下文的分层强化学习，该方法能够更可靠地收敛，从而提高模型预测的稳定性。
-
公开(公告)号：CN106131862B
公开(公告)日：2019-08-16
申请号：CN201610511177.7
申请日：2016-07-01
申请人： 厦门大学 , 常州梯卫士网络科技有限公司
CPC分类号： Y02D70/00
摘要： 本发明提出一种无线传感器网络中基于多目标进化算法的优化覆盖方法，首先创建无线传感器网络的数学模型及目标函数，随机生成一种群，采用基于非支配排序和维度双向搜索的多目标进化算法主要流程如下：维持一个大小为N的种群，并通过不断迭代，引导算法逼近Pareto最优前沿。在每一次迭代过程中，首先给定一个种群Pt；引入基于改进差分运算的双向定向局部搜索策略用于产生一个更好的种群Pt′；然后，采用快速非支配排序算法对合并种群Pt∪Pt′进行排序并生成偏序边界，引入新分布度维持策略与快速非支配排序算法结合，以选择一个新的种群进入下一次进化，最终获得使得无线传感器网络所有节点的总工作功率小，同时又能保证覆盖率的最大化的种群方案。
-
公开(公告)号：CN118336829A
公开(公告)日：2024-07-12
申请号：CN202410311320.2
申请日：2024-03-19
申请人： 国网福建省电力有限公司 , 北京科东电力控制系统有限责任公司 , 厦门大学平潭研究院
IPC分类号： H02J3/46 , G06Q50/06 , G06F18/23 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/044 , G06N3/098
摘要： 本发明涉及功率控制技术领域，发明了一种基于源网荷储的功率控制方法、系统及设备，包括：对历史电网数据集进行电网结构分析以及定位建模，得到电网结构模型；对历史气象数据集进行地理网格划分以及气象特征聚类映射操作，得到气象网格模型；利用历史气象数据集对气象网格模型进行时序气象训练，得到气象分析模型；利用历史气象数据集和历史电网数据集对电网结构模型进行联合训练，得到电网分析模型；利用气象分析模型、电网分析模型、实时电网数据以及实时气象数据计算出分析电网数据，并根据分析电网数据对目标区域进行功率控制。本发明可以提高功率控制的效率。
-
公开(公告)号：CN116484190A
公开(公告)日：2023-07-25
申请号：CN202310473049.8
申请日：2023-04-27
申请人： 厦门大学
IPC分类号： G06F18/20 , G06K17/00 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种协助学生上网课的行为识别方法，首先，获取学生的头部动作信号，其中，学生的头部动作信号包括RFID电子标签的相位和接收的信号强度指示；接着，构建训练好的动作识别模型，并将学生的头部动作信号输入到动作识别模型以便输出对应的头部动作；最后，根据预设应用场景对输出的所述头部动作进行解析，以便执行对应操作；由此，通过RFID识别学生头部动作信号，以便根据头部动作实现多应用场景执行对应操作，从而在降低学生隐私公开的同时还提高了上网课效率。
-
公开(公告)号：CN113310490B
公开(公告)日：2022-10-04
申请号：CN202110527801.3
申请日：2021-05-14
申请人： 厦门大学
摘要： 本发明提出了一种GRNN结合遗传算法的室内定位方法及系统，其中该方法包括采用RFID阅读器沿既定轨迹移动，以便在移动过程中获取RFID阅读器与目标标签的多条标签信号强度特征以及目标标签的位置坐标；建立GRNN网络模型，并采用遗传算法对GRNN网络模型的超参数进行调整以获取最优超参数，以便根据最优超参数和RFID阅读器与目标标签的多条标签信号强度特征以及目标标签的位置坐标对GRNN网络模型进行训练；获取待定位标签的多条标签信号强度特征，并将待定位标签的多条标签信号强度特征输入到训练好的GRNN网络模型进行预测以获取待定位标签的位置信息；由此，通过单个RFID阅读器收集多条标签信号强度特征从根本上规避了RFID阅读器之间的信号碰撞且大幅度降低了定位成本。
-
公开(公告)号：CN112597392B
公开(公告)日：2022-09-30
申请号：CN202011564661.9
申请日：2020-12-25
申请人： 厦门大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种动态注意力和分层强化学习的推荐系统，包括用户画像矫正器：通过删除噪声数据来修改用户画像；(2)动态注意力机制：自动调整用户偏好的变化；(3)推荐模型：向相关用户推荐目标物品。所述推荐系统具有以下特点：动态注意力机制通过一个多层感知器自动调整每个交互过程中相应物品的attention权重，并将基于分层强化学习的用户画像矫正器合并到一个统一的框架中；其次，为了增强推荐系统的自适应性，以提高推荐的准确性，推荐系统针对不同时段物品交互的信息，在attention权重上增加了一个自适应系数，以便在每个推荐阶段自动更新相应物品的attention权重；最后，与HRL模型相比，本推荐系统可以提高策略评估的收敛速度，每个推荐阶段的开销时间更少。
-
公开(公告)号：CN112597391A
公开(公告)日：2021-04-02
申请号：CN202011564657.2
申请日：2020-12-25
申请人： 厦门大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06N20/00
摘要： 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统，包括用户画像矫正器：采用一种动态递归机制的策略梯度方法，及引入参数动态稀疏权重以删除噪声数据来修改用户画像，其中，所述动态递归机制的策略梯度方法包括：动态基线和基于时序上下文的递归强化学习，所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进；注意力机制：用于自动调整用户偏好的变化；推荐模型：用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统，通过在策略梯度方法中引入一个参数动态稀疏权重，使智能体在全局最优策略下选择最优行为；其次，结合时间上下文的分层强化学习，该方法能够更可靠地收敛，从而提高模型预测的稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
62 条记录 (耗时 0.042 秒)