本发明涉及一种强化学习单元匹配循环神经网络系统及其训练和预测方法,包括循环神经网络、强化学习单元和单调趋势识别器,循环神经网络包括输入、输出和多个隐层,隐层包括多个隐层节点,单调趋势识别器判断由输入构建的时间序列的趋势状态,强化学习单元为根据输入时间序列的趋势状态,选择一个隐层层数和隐层节点数与其变化规律相适应的循环神经网络。本发明通过判断输入时间序列的趋势状态,用趋势状态和不同隐层层数及隐层节点数分别表示Q值集的状态与动作,根据更新后的Q值集来选择执行最优的动作,增强了RLUMRNN的泛化能力和收敛速度,本发明应用于旋转机械的剩余寿命预测的精度高。
声明:
“强化学习单元匹配循环神经网络系统及其训练和预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)