一种基于机器学习的网球动作评分方法及系统

    公开(公告)号:CN114898260A

    公开(公告)日:2022-08-12

    申请号:CN202210485011.8

    申请日:2022-05-06

    Abstract: 本发明提出一种基于机器学习的网球动作评分方法及系统,属于动作评分领域。包括有智能终端、服务器端、数据库端三部分。智能终端用于收集用户网球动作相关数据并进行初步特征工程,然后通过网络协议将处理后的数据上传至数据库端;数据库负责存储用户相关数据以及服务器产生的过程性数据;服务器端从数据库端中提取网球动作特征数据,并基于Openpos和信息增益对数据进行进一步的清洗、筛选和聚合,然后利用LightGBM对用户网球动作规范进行评估,最后给出具体评分。经多次实验证明,本发明在评分准确率、模型推理速度、复杂场景适应能力都有着良好表现。

    一种基于强化学习的TSP路径组合优化方法及系统

    公开(公告)号:CN119939107A

    公开(公告)日:2025-05-06

    申请号:CN202510016231.X

    申请日:2025-01-06

    Abstract: 本发明提出一种基于强化学习的TSP路径组合优化方法及系统,通过将解分布学习与组合优化目标学习相结合,构建了一种各向异性的图神经网络作为扩散模型的骨干网络,利用其表示能力捕捉图结构数据中的复杂关系,利用扩散模型单转马尔可夫前向过程建模概率分布。此外,本发明还引入了两种扩散模型的加速采样方法DDIM和DPM‑solver,加速去噪的采样过程,提高训练效率。本发明能够通过将直接偏好优化引入到扩散模型中进而提出偏好引导组合优化((Preference‑GuidedCombinatorial Optimization,PGCO),提高求解旅行商问题(TSP)模型的泛化能力和适应性,提供了一个更高效、高质量的求解大规模组合优化的模型。

Patent Agency Ranking