一种自主学习优化物联网拓扑结构鲁棒性的方法
专利汇可以提供一种自主学习优化物联网拓扑结构鲁棒性的方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种自主学习优化 物联网 拓扑结构鲁棒性的方法，步骤1：初始化物联网拓扑结构；步骤2：压缩拓扑结构；步骤3：初始化自主学习模型。根据 深度学习 与增强学习的特征，构建一种深度确定性学习策略模型来训练物联网拓扑结构；步骤4：训练与测试模型；步骤5：一次独立重复实验中周期性的重复步骤4，多次独立重复性实验中周期性的重复步骤1、2、3和4；直至最大的 迭代 次数。在此过程中，最大的迭代次数被设置，每次独立重复实验，选取最优的结果。多次重复实验，选取平均值作为此次实验的结果。本发明可以显著的提高初始拓扑结构抵御攻击的能 力 ；自主学习优化网络拓扑结构的鲁棒能力，保证高可靠的数据传输。，下面是一种自主学习优化物联网拓扑结构鲁棒性的方法专利的具体信息内容。
1.一种自主学习优化物联网拓扑结构鲁棒性的方法，其特征在于，该方法包括以下步骤：
步骤1：初始化物联网拓扑结构，即根据无标度网络模型的规则、边密度参数M随机部署节点，并固定地理位置，其中，边密度参数设置为M＝2；
步骤2：压缩拓扑结构，即剔除多余的不在通信范围内的节点信息，在邻接矩阵的形式上仅保留通信范围内的节点连接关系，压缩网络拓扑结构的存储空间，并将压缩后的网络拓扑作为环境空间S，其中，环境空间S为一个行向量，该行向量会随着网络拓扑状态的改变而改变；
步骤3：初始化自主学习模型，即根据深度学习与增强学习的特征构建一种深度确定性学习策略模型来训练物联网拓扑结构：采用一种深度确定性Q-学习网络模型，模拟动作的选取策略π与网络的优化策略Q，将连续动作空间映射到离散动作空间中，设计目标优化函数O与整个训练模型的更新规则；其中：
动作选择策略π由式(1)定义：
at＝π(st|θ) (1)
式中，at表示选取出来的确定性动作，st表示当前网络拓扑状态，θ表示动作网络的参；
网络优化策略Q由式(2)定义：
Q(st,at)＝E(r(st,at)+γQ(st+1,π(st+1))) (2)
式中，r表示当前动作at对当前网络状态st的即时回报值，γ表示折扣因子，累积学习经验，Q(st+1,π(st+1))表示在下个网络状态下采取动作的未来回报值，因此，当前动作对当前网络状态的效果Q(st,at)由即时回报值和未来回报值组成，E()表示期望值，对一系列的动作选取策略累积之前的效果；
自主学习模型的目标函数O根据上述描述由式(3)定义：
O(θ)＝Ε(r1+γr2+γ2r3+...|π(,θ)) (3)
式中，r表示每次动作对环境O(θ)＝Ε(r1+γr2+γ2r3+...|π(,θ))产生的效果，即回报值，γ表示折扣因子，累积学习经验，π(,θ)表示动作选取的策略，θ表示动作策略网络的参数，E表示平均期望值；
网络的更新规则由式(4)定义：
式中，Ti表示目标期望值，由式(5)定义：
Ti＝ri+γQ'(si,π'(si+1|θπ′)|θQ′) (5)
式中，Q',π'表示动作选取策略和优化策略的目标网络，计算整个自主学习模型的误差；
步骤4：训练与测试模型，即在训练阶段，通过动作选取神经网络模型随机得到离散动作a，络优化神经网络模型策略评估该动作对当前环境的效果，同时累积之前的学习经验并更新整个网络模型，最后得到最优的结果；在测试阶段，对样本数据进行测试，得到测试结果；其中：
离散动作的输出由式(6)定义：
d＝MAP(a) (6)
式中，MAP表示连续动作空间与离散动作空间的映射关系，a由式(7)定义：
a＝π(s)＝π(s|θ)+N (7)
式中，N表示一个随机抽样规则，探索动作空间中更多的有效动作行为，s表示当前的网络状态；
其中，动作选取策略网络更新原则是朝着使得策略选取网络值最大的方向来更新，因此，选取出来的动作使得策略选取网络最大；
目标网络的更新规则如式(10)定义；
Q′ Q Q′
θ ←τθ+(1-τ)θ
θπ′←τθπ+(1-τ)θπ′ (10)
式中，τ表示目标网络的更新率；
步骤5：一次独立重复实验中周期性的重复步骤4，多次独立重复性实验中周期性的重复步骤1、2、3和4；直至最大的迭代次数；
在此过程中，最大的迭代次数被设置，每次独立重复实验，选取最优的结果，多次重复实验，选取平均值作为此次实验的结果。
一种自主学习优化物联网拓扑结构鲁棒性的方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 电子设备和操作电子设备的方法 | 2020-06-11 | 2 |
| 基于行人局部和整体属性联合学习的行人属性识别方法 | 2020-08-09 | 2 |
| 一种目标跟踪方法及电子设备 | 2020-11-22 | 0 |
| 基于文本输入与输出训练模拟人脑思维的方法及系统 | 2022-03-24 | 2 |
| 一种基于域鲁棒卷积特征学习的交叉视角人脸识别方法 | 2022-11-05 | 1 |
| 基于摩尔斯电码的报文抄收和发送智能终端 | 2020-08-25 | 1 |
| 基于深度学习的机载网络入侵检测方法 | 2021-05-15 | 2 |
| 基于深度学习的舌体分割装置、方法及存储介质 | 2020-06-14 | 0 |
| 人脸表情识别的方法及装置 | 2023-06-20 | 0 |
| 基于深度学习的多目标优化新能源功率预测方法及装置 | 2023-01-01 | 1 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
