CN116304855B 基于改进dqn的可解释性监测数据识别方法 （中国科学院重庆绿色智能技术研究院）

propensityscore-basedConferenceonBioinformatics,ComputationalBiologyan本发明为基于改进DQN的可解释性监测数据作为互注意力机制的预测器，构建改进的DQN模监测数据并采用改进的DQN模型对其进行分析，利用基于注意力机制的时序卷积网络的改进的DQN模型感知监测状态，生成准确预测结果的同2所述的互注意力机制由一个编码器串联一对并联的生成器和预测器2.根据权利要求1所述的基于改进DQN的可解释性q为监测数据的类别。3.根据权利要求1所述的基于改进DQN的4.根据权利要求1所述的基于改进DQN的可解释性监测数据述的步骤S2采用基于强化学习网络的推荐系统来实现，利用历史周期数据的相似度排序，36.根据权利要求1所述的基于改进DQN的7.根据权利要求1所述的基于改进DQN的可解至7中任一项所述基于改进DQN的可解释性监测数据算机可读存储介质上存储有实现基于改进DQN的可解释性监测数据识别方法的程序，所述实现基于改进DQN的可解释性监测数据识别方法的程序被处理器执行以实现如权利要求1至7中任一项所述基于改进DQN的可解释性监测数4[0002]目前利用人工智能技术分析医学诊疗数据进行预警研究已成为学科交叉融合新对动态直接监测数据的序列决策问题，可在无标记的情况下智能体(Agent)会与环境与DQN算法中智能体agent和环境进行交互并基于所采取的行动接收反馈的场景有相似之5i6处理器能够执行权利要求1至8中任一项所述基于改进DQN的可解释性监测数据识别方法的[0029]应用于基于改进DQN的可解释性监测数据识别方法的一种可读存储介质，所述可读存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有实现基于改进DQN的可解释性监测数据识别方法的程序，所述实现基于改进DQN的可解释性监测数据识别方法的程序被处理器执行以实现如权利要求1至8中任一项所述基于改进DQN的可解释性监测[0030]本发明的有益效果在于：本发明提供了基于改进DQN的可解释性监测数据识别方模型感知监测状态，生成准确预测结果的同时产生可解释性文本对预测结果进行解释说7[0056]实施例2：Movie_Lens是一个基于评分的电影推荐系统，由美国明尼苏达州大学8其可以根据存储在只读存储器(ROM1002)中的程序或者从存储装置加载到随机访问存储器[0070]本发明提供的电子设备，采用上述实施例1或实施例2中的基于改进DQN的可解释实施例提供的电子设备的有益效果与上述实施例1提供的基于改进DQN的可解释性监测数9程序指令用于执行上述实施例1或实施例2中的基于改进DQN的可解释性监测数据识别方基于注意力机制的时序卷积网络的改进的DQN模型感知监测状态，生成准确预测结果的同[0077]可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网[0080]本发明提供的计算机可读存储介质，存储有用于执行上述基于改进DQN的可解释施例1或实施例2提供的基于改进DQN的可解释性监测数据识别方法的有益效果相同，在此机程序被处理器执行时实现如上述的基于改进DQN的可解释性监测数据识别方法[0082]本申请提