买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网冀北电力有限公司电力科学研究院;清华大学申请的专利复杂噪声条件下基于深度强化学习的对象分类方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119377818B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411434567.X，技术领域涉及：G06F18/2431；该发明授权复杂噪声条件下基于深度强化学习的对象分类方法及装置是由袁茜;李迈;董炜;叶昊;张统帅;王艺霖;袁文迁;槐青;季一润;高岩峰;李雨;黄彬;杨敏祥;黄晓乐;谢丽芳设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本复杂噪声条件下基于深度强化学习的对象分类方法及装置在说明书摘要公布了：本公开涉及计算机技术领域，包括一种复杂噪声条件下基于深度强化学习的对象分类方法及装置。通过获取待分类数据；基于深度强化学习得到的噪声分类模型，对待分类数据进行噪声分类，得到待分类数据对应的噪声分类；调用噪声分类对应的降噪算法对待分类数据进行降噪处理，得到降噪后的数据；基于深度强化学习得到的对象分类模型，对降噪后的数据进行对象分类，得到对象分类结果；可以解决传统的去噪算法的噪声去除效果不佳的问题；可以在噪声类型较多的情况下，自适应地切换降噪算法进行降噪处理，因此，提高复杂噪声场景下待分类数据的降噪效果。

本发明授权复杂噪声条件下基于深度强化学习的对象分类方法及装置在权利要求书中公布了：1.一种复杂噪声条件下基于深度强化学习的对象分类方法，其特征在于，所述方法包括： 获取待分类数据，所述待分类数据包括具有噪声的设备信号； 基于深度强化学习得到的噪声分类模型，对所述待分类数据进行噪声分类，得到所述待分类数据对应的噪声分类； 调用所述噪声分类对应的降噪算法对所述待分类数据进行降噪处理，得到降噪后的数据；其中，不同噪声分类对应不同的降噪算法； 基于深度强化学习得到的对象分类模型，对所述降噪后的数据进行对象分类，得到对象分类结果；所述对象分类模型用于对设备进行故障诊断；所述对象分类包括故障信号分类和正常信号分类； 其中，所述噪声分类模型和或所述对象分类模型基于无标签的样本数据进行深度强化学习得到，在基于无标签的样本数据进行深度强化学习过程中，基于样本数据与类簇中心的关系反馈奖励信息； 所述基于无标签的样本数据进行深度强化学习，包括： 基于分类数量确定类簇中心的数量A，初始化设置类簇中心为样本距离最远的A个样本数据；所述A为大于1的整数； 对于每个样本数据，确定所述样本数据与各个类簇中心之间的样本距离，将与所述样本数据的样本距离最小的类簇中心的索引确定为所述样本数据的类簇标签； 基于每个样本数据与所述样本数据对应的类簇标签构建数据环境； 通过智能体与所述数据环境之间的交互进行深度强化学习，得到训练后的强化学习模型； 在本轮训练完成后，基于每个类簇中心对应的样本数据的均值，更新所述类簇中心，触发执行所述对于每个样本数据，确定所述样本数据与各个类簇中心之间的样本距离，将与所述样本数据的样本距离最小的类簇中心的索引确定为所述样本数据的类簇标签的步骤及之后的步骤，直至训练轮次达到预设要求的情况下停止训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网冀北电力有限公司电力科学研究院;清华大学，其通讯地址为：100045 北京市西城区复兴门外地藏庵南巷一号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。