CN119759797A 基于值函数强化学习的嵌入式软件时序异常检测方法_第1页
CN119759797A 基于值函数强化学习的嵌入式软件时序异常检测方法_第2页
CN119759797A 基于值函数强化学习的嵌入式软件时序异常检测方法_第3页
CN119759797A 基于值函数强化学习的嵌入式软件时序异常检测方法_第4页
CN119759797A 基于值函数强化学习的嵌入式软件时序异常检测方法_第5页
已阅读5页，还剩25页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(54)发明名称获取嵌入式软件运行过程中的时序数据，将所述时序数据按照预设时间窗口划分为多个时序片段；针对每个所述时序片段，构建状态空间获取嵌入式软件运行过程中的时序数据，将所述时序数据按照预设时间窗口划分为多个时序片段；针对每个所述时序片段，构建状态空间矩阵，所述状态空间矩阵的行向量表示时序特征，列向量表示时间步长基于所述状态空间矩阵，采用长短时记忆网络提取时序特征向量；将所述时序特征向量输入深度神经网络，生成Q值函数网络，所述Q值函数网络用于评估时序状态下的动作值函数；构建奖励函数，所述奖励函数基于时序片段的异常程度进行计算，异常程度通过当前时序片段与历史正常时序片段的马氏距离度量获得采用深度Q学习算法训练所述Q值函数网络，在训练过程中，基于e-贪婪策略选择动作，将选择的动作与当前状态输入所述Q值函数网络得到Q值；将所述Q值与基于所述奖励函数计算的目标Q值进行比较，通过最小化损失函数对所述Q值函数网络的参数进行优化基于优化后的Q值函数网络，计算时序片段的异常得分，所述异常得分通过当前状态下最优动作的Q值与预设阈值进行比较得到；当所述异常得分超过预设阈值时，判定当前时序片段存在异常，并输出异常检测结果(57)摘要(57)摘要23456789[0034]图2为不同方法在训练过程中的准确率变化趋势。本技术方案在训练初期(0-长

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论