一种基于强化学习的非法集资可疑主体识别方法及系统

AITNT
正文
推荐专利
一种基于强化学习的非法集资可疑主体识别方法及系统
申请号:CN202510030512
申请日期:2025-01-08
公开号:CN120013229A
公开日期:2025-05-16
类型:发明专利
摘要
本发明提供了一种基于强化学习的非法集资可疑主体识别方法及系统,包括信息梳理模块、数据分析模块、数据特征提取模块、数据特征处理模块、模型构建模块、模型选择模块、模型训练模块、算法选择模块、算法优化模块、风险识别模块以及预警模块。基于强化学习的非法集资可疑主体识别方法通过利用关键性的资金特征和数据,训练强化学习代理,使其能够精准识别出非法集资可疑主体,提高风险识别的准确性和效率,充分挖掘资金数据中的隐含信息,识别出传统规则模型和监督学习方法难以检测的异常模式和风险点。
技术关键词
主体识别方法 强化学习模型 强化学习代理 数据项 强化学习算法 账户 金融监管系统 网络结构优化 风险识别系统 资金 数据分析平台 数据特征提取 风险主体 模型训练模块 数据分析模块 采取行动 策略
系统为您推荐了相关专利信息
1
一种异构设备动态拓扑协同控制方法及系统
异构设备 协同控制方法 重构策略 强化学习算法 电气自动化系统
2
一种基于深度学习的多摄像头车辆冲洗检测方法
点云图像 强化学习模型 生成三维点云 车辆 多视角
3
一种火力发电厂的智能调度与优化方法
混合整数线性规划模型 时间序列模型 数据挖掘算法 深度强化学习模型 负荷预测模型
4
考虑硬件损伤的无蜂窝URLLC系统速率分拆多址接入能效优化方法
URLLC系统 能效优化方法 接入点 深度强化学习算法 大规模MIMO系统
5
一种基于强化学习的面源污染管控与生态农业决策方法
生态农业 强化学习模型 农作物生长参数 农业智能 历史管理
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号