本发明公开了一种基于深度强化学习的时间序列分类方法,包括以下步骤:采集若干时间序列,获取样本数据,并对样本数据进行预处理;构建深度残差网络,根据预处理后的样本数据,并通过深度强化学习方法对深度残差网络进行更新;将待测试的时间序列输入更新完成的深度残差网络,得到时间序列的分类结果。本发明通过将样本打乱顺序输入深度强化学习网络,使其更具鲁棒性,设置奖励和惩罚的方式寻找时间序列分类的最优策略,拥有高的分类准确度。
声明:
“基于深度强化学习的时间序列分类方法” 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)