一种基于深度强化学习的时间序列分类方法

摘要

本发明公开了一种基于深度强化学习的时间序列分类方法，包括以下步骤：采集若干时间序列，获取样本数据，并对样本数据进行预处理；构建深度残差网络，根据预处理后的样本数据，并通过深度强化学习方法对深度残差网络进行更新；将待测试的时间序列输入更新完成的深度残差网络，得到时间序列的分类结果。本发明通过将样本打乱顺序输入深度强化学习网络，使其更具鲁棒性，设置奖励和惩罚的方式寻找时间序列分类的最优策略，拥有高的分类准确度。