System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 电子纸调参方法、装置和电子纸显示器制造方法及图纸_技高网

电子纸调参方法、装置和电子纸显示器制造方法及图纸

技术编号:41210521 阅读:7 留言:0更新日期:2024-05-09 23:33
本发明专利技术实施例公开了一种电子纸调参方法、装置和电子纸显示器,通过对神经网络模型进行模型训练来实现对电子纸的调参,相比于现有技术无需人工进行电子纸调参,实现参数的自动调节,节省人工成本,有利于提高调参效率。并且,本实施例中,在对神经网络模型进行模型训练时,以设定探索策略选择动作执行,设定探索策略包括以第一概率根据设定经验规则选择动作,以第二概率根据神经网络策略选择动作,在动作选择时引入人工经验,进而缩短模型训练的时间,进一步提高调参效率。

【技术实现步骤摘要】

本专利技术实施例涉及人工智能,尤其涉及一种电子纸调参方法、装置和电子纸显示器


技术介绍

1、电子纸作为一种新型的显示形式,以其极大程度地还原真实纸张的印刷效果,并具备耗电量极低的优点而得到越来越广泛地应用。

2、现有技术中,电子纸显示器在出厂前需要进行参数调节,使得电子纸显示器符合要求。

3、然而,人工进行电子纸调参所花费的时间长,造成生产效率低下。


技术实现思路

1、本专利技术提供一种电子纸调参方法、装置和电子纸显示器,以实现自动调节电子纸参数,提升生产效率。

2、第一方面,本专利技术实施例提供了一种电子纸调参方法,包括:

3、建立神经网络模型,神经网络模型包括固有参数和状态参数,状态参数包括电子纸调参参数;

4、对神经网络模型进行模型训练以使训练后的电子纸调参参数满足设定条件,以及电子纸显示符合显示标准;其中在进行模型训练时以设定探索策略选择动作执行,设定探索策略包括以第一概率根据设定经验规则选择动作,以第二概率根据神经网络策略选择动作。

5、可选的,对神经网络模型进行模型训练以使训练后的电子纸参数满足设定条件,以及电子纸显示符合显示标准,包括:

6、以设定探索策略选择动作执行,得到新的状态;其中第一概率随模型训练时间增大而衰减,第二概率随模型训练时间增大而增大;

7、计算奖励值,并将神经网络模型在动作执行前的状态、选择的动作、动作执行后的奖励、和动作执行后的状态作为一条经验条目放入经验回放区。

8、可选的,计算奖励值,包括:

9、在存储的色坐标实际测量值的个数大于设定阈值时,根据色坐标函数计算新的状态下电子纸对应的色坐标值得到模拟色坐标值,并根据模拟色坐标值和目标色坐标值计算对应的奖励。

10、可选的,在存储的色坐标实际测量值的个数小于或等于设定阈值时,通过机器测量电子纸对应的色坐标值得到实际色坐标值,并根据实际色坐标值和目标色坐标值计算对应的奖励。

11、可选的,在存储的色坐标实际测量值大于设定阈值时,根据色坐标函数计算新的状态下电子纸对应的色坐标值得到第一色坐标值之前,还包括:

12、根据存储的在存储的色坐标实际测量值拟合色坐标函数。

13、可选的,在存储的色坐标实际测量值大于设定阈值时,根据色坐标函数计算新的状态下电子纸对应的色坐标值得到第一色坐标值之后,还包括:

14、通过机器测量电子纸的色坐标值得到色坐标实际测量值并进行存储;

15、根据存储的色坐标实际测量值更新色坐标函数。

16、可选的,在以设定探索策略选择动作执行,得到新的状态之前,还包括:

17、用任意固有参数初始化神经网络模型,并复制神经网络模型为目标网络;其中神经网络模型包括动作价值函数网络;

18、初始化神经网络模型的状态参数;

19、在计算奖励值,并将神经网络模型在动作执行前的状态、选择的动作、动作执行后的奖励、和动作执行后的状态作为一条经验条目放入经验回放区之后,还包括:

20、从经验回放区随机采集设定数量的经验条目,计算估计价值;

21、根据损失函数确定神经网络模型的参数的梯度下降量,并根据梯度下降量更新神经网络模型的参数;

22、更新神经网络模型的状态,并返回执行以设定探索策略选择动作执行,得到新的状态的步骤及其后续步骤;

23、在选择动作达到设定次数后,将选择动作设定次数后的神经网络模型作为目标网络;并返回执行以设定探索策略选择动作执行,得到新的状态的步骤及其后续步骤直至达到终止状态。

24、可选的,神经网络模型的状态包括电子纸参数组,电子纸参数组包括多个电子纸参数向量,每个电子纸参数向量包括长度为7的时间参数向量,和5×4的电平参数矩阵。

25、可选的,所设定条件包括:

26、

27、

28、0≤tip≤255,1≤p≤7;

29、其中,f表示电子纸的电压频率,ti=[t{i,1},t{i,2}……t{i,7}]为时间参数向量,[ti1,ti2,ti3,ti4,ti5,ti6,ti7]表示时间参数向量的一组取值;mi[*,j]表示电平参数矩阵mi的第j列,1≤j≤4;tlimit为烧录时间上限;ulimit为电压偏差最大允许值,1≤i≤m,m表示电子纸参数向量的总个数。

30、第二方面,本专利技术实施例还提供了一种电子纸调参装置,包括:

31、网络建立模块,用于建立神经网络模型,神经网络模型包括固有参数和状态参数,状态参数包括电子纸调参参数;

32、训练调参模块,用于对神经网络模型进行模型训练以使训练后的电子纸调参参数满足设定条件,以及电子纸显示符合显示标准;其中在进行模型训练时以设定探索策略选择动作执行,设定探索策略包括以第一概率根据设定经验规则选择动作,以第二概率根据神经网络策略选择动作。

33、第三方面,本专利技术实施例还提供了一种电子纸显示器,包括:

34、处理器,以及与处理器通信连接的存储器;

35、存储器存储计算机执行指令;

36、处理器执行存储器存储的计算机执行指令,以实现如第一方面的方法。

37、本专利技术实施例的技术方案,通过对神经网络模型进行模型训练来实现对电子纸的调参,相比于现有技术无需人工进行电子纸调参,实现参数的自动调节,节省人工成本,有利于提高调参效率。并且,本实施例中,在对神经网络模型进行模型训练时,以设定探索策略选择动作执行,设定探索策略包括以第一概率根据设定经验规则选择动作,以第二概率根据神经网络策略选择动作,在动作选择时引入人工经验,进而缩短模型训练的时间,进一步提高调参效率。

本文档来自技高网...

【技术保护点】

1.一种电子纸调参方法,其特征在于,包括:

2.根据权利要求1所述的电子纸调参方法,其特征在于,所述对所述神经网络模型进行模型训练以使训练后的电子纸参数满足设定条件,以及所述电子纸显示符合显示标准,包括:

3.根据权利要求2述的电子纸调参方法,其特征在于,所述计算奖励值,包括:

4.根据权利要求3所述的电子纸调参方法,其特征在于,在存储的色坐标实际测量值的个数小于或等于设定阈值时,通过机器测量所述电子纸对应的色坐标值得到实际色坐标值,并根据所述实际色坐标值和目标色坐标值计算对应的奖励。

5.根据权利要求3所述的电子纸调参方法,其特征在于,所述在存储的色坐标实际测量值大于设定阈值时,根据色坐标函数计算所述新的状态下所述电子纸对应的色坐标值得到第一色坐标值之前,还包括:

6.根据权利要求5所述的电子纸调参方法,其特征在于,在存储的色坐标实际测量值大于设定阈值时,根据色坐标函数计算所述新的状态下所述电子纸对应的色坐标值得到第一色坐标值之后,还包括:

7.根据权利要求2所述的电子纸调参方法,其特征在于,在所述以所述设定探索策略选择动作执行,得到新的状态之前,还包括:

8.根据权利要求7所述的电子纸调参方法,其特征在于,所述神经网络模型的状态包括电子纸参数组,所述电子纸参数组包括多个电子纸参数向量,每个所述电子纸参数向量包括长度为7的时间参数向量,和5×4的电平参数矩阵。

9.根据权利要求7所述的电子纸调参方法,其特征在于,所设定条件包括:

10.一种电子纸调参装置,其特征在于,包括:

11.一种电子纸显示器,其特征在于,包括:

...

【技术特征摘要】

1.一种电子纸调参方法,其特征在于,包括:

2.根据权利要求1所述的电子纸调参方法,其特征在于,所述对所述神经网络模型进行模型训练以使训练后的电子纸参数满足设定条件,以及所述电子纸显示符合显示标准,包括:

3.根据权利要求2述的电子纸调参方法,其特征在于,所述计算奖励值,包括:

4.根据权利要求3所述的电子纸调参方法,其特征在于,在存储的色坐标实际测量值的个数小于或等于设定阈值时,通过机器测量所述电子纸对应的色坐标值得到实际色坐标值,并根据所述实际色坐标值和目标色坐标值计算对应的奖励。

5.根据权利要求3所述的电子纸调参方法,其特征在于,所述在存储的色坐标实际测量值大于设定阈值时,根据色坐标函数计算所述新的状态下所述电子纸对应的色坐标值得到第一色坐标值之前,还包括:

...

【专利技术属性】
技术研发人员:穆欣炬卓汉逵马中生周展文高裕弟胡煜永孙建飞宋思远
申请(专利权)人:义乌清越光电技术研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1