[發明專利]一種連續變量分布的軟網格編碼方法及其解碼方法有效
| 申請號: | 202010420971.7 | 申請日: | 2020-05-18 |
| 公開(公告)號: | CN111541456B | 公開(公告)日: | 2023-07-18 |
| 發明(設計)人: | 王源 | 申請(專利權)人: | 深圳市埃伯瑞科技有限公司 |
| 主分類號: | H03M13/13 | 分類號: | H03M13/13 |
| 代理公司: | 深圳市添源創鑫知識產權代理有限公司 44855 | 代理人: | 姜書新 |
| 地址: | 518000 廣東省深圳市南山區南山街*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 連續 變量 分布 網格 編碼 方法 及其 解碼 | ||
本發明提供了一種連續變量分布的軟網格編碼方法,包括以下步驟:1)輸入帶編碼變量的分布信息,可以是公式、函數形式輸入,也可以是數值數組形式輸入;2)設置網格編碼參數;3)執行編碼算法;4)輸出編碼結果。本發明還提供了一種連續變量分布的軟網格解碼方法。本發明的有益效果是:提出了一種網格編碼技術,即軟網格編碼方法,并設計了該編碼方法的解碼方法。軟網格編碼技術使得連續變量分布的預測稱為可能,應用該技術,可以構建模型預測某連續變量的概率分布。
技術領域
本發明涉及網格編碼方法,尤其涉及一種連續變量分布的軟網格編碼方法及其解碼方法。
背景技術
連續變量,可以是單變量,也可以是多變量,如時間、距離、速度等參數。在目前數學建模、算法設計過程中,會常用到需要將類似連續變量作為模型的輸入或者輸出的情況。直接將連續變量作為模型輸入,往往很難取得理想的實際應用效果。例如,汽車自動駕駛算法設計中,采用強化學習中,需要將距離和速度作為兩個連續變量輸入神經網絡模型,以實現模型狀態的輸入,但直接用兩個連續變量難以取得、甚至無法取得理想效果。又例如,時間變量,在故障診斷模型中,常需要預測某個故障發生的時間,或者以時間為橫坐標的故障發生概率分布,此時直接以時間作為模型輸出,幾乎無法在使用中取得效果。
既有技術中提出過一種二進編碼,稱為網格編碼(Tile-Coding),已經廣泛應用于強化學習領域,實現連續變量為狀態的模型輸入設計。但目前為止,由于網格編碼本身不存在解碼器,使得該編碼方法無法應用于模型輸入。
既有的網格編碼方法,可以描述如下:給定m個網格,每個網格有n個格子,以及每個格子長度為ΔT>0,給定隨機偏置{dj∈[0,ΔT);j=1,2,...m},單維變量T≥0可以被編碼為F(T|m,n,ΔT,d),為一個m行n列的矩陣,其中第i個值和第j個值可以被描述為:
對于i=1,2,...,n-1;j=1,2,...,m,
對于i=n;j=1,2,...,m,
因此,給定參數m,n,ΔT和d,可以將連續單維變量值T編碼為m*n長度的二進制序列F(T|m,n,ΔT,d),這是既有的網格編碼技術。
對于給定m*n的二進制序列F,既有網格編碼滿足下面兩個屬性:1)Fij(T)∈{0,1}和2)∑iFij(T)=1,但僅滿足上述兩個條件不能保證總存在連續值T使得F(T|m,n,ΔT,d)=F。也即,既有技術中的網格編碼不存在解碼器。
網格編碼方法,僅適用于單變量值的編碼過程,不存在解碼過程,這極大程度上使得該編碼技術無法廣泛應用于模型輸出的用途。目前,網格編碼主要應用于強化學習模型中,連續狀態的編碼輸入過程,可用范圍極為狹窄。
發明內容
為了解決現有技術中的問題,本發明提供了一種連續變量分布的軟網格編碼方法及其解碼方法。
本發明提供了一種連續變量分布的軟網格編碼方法,包括以下步驟:
1)輸入待編碼變量的分布信息,可以是公式、函數形式輸入,也可以是數值數組形式輸入,如果是數值數組形式輸入,則本專利中所有積分符號對應為求和符號;
2)設置網格編碼參數;
4)執行編碼算法;
4)輸出編碼結果。
本發明還提供了一種連續變量分布的軟網格解碼方法,包括以下步驟:
1)輸入如上述中任一項所述的連續變量分布的軟網格編碼方法輸出的待解碼的軟網格編碼序列;
2)輸入待解碼坐標序列;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于深圳市埃伯瑞科技有限公司,未經深圳市埃伯瑞科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010420971.7/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種變電站設備自動監測系統
- 下一篇:一種具有精確定位功能的精密模具
- 同類專利
- 專利分類





