CN119449803A 一种基于多智能体深度强化学习的装备集群多模态边缘数据智能处理方法 （重庆大学）_第1页
CN119449803A 一种基于多智能体深度强化学习的装备集群多模态边缘数据智能处理方法 （重庆大学）_第2页
CN119449803A 一种基于多智能体深度强化学习的装备集群多模态边缘数据智能处理方法 （重庆大学）_第3页
CN119449803A 一种基于多智能体深度强化学习的装备集群多模态边缘数据智能处理方法 （重庆大学）_第4页
CN119449803A 一种基于多智能体深度强化学习的装备集群多模态边缘数据智能处理方法 （重庆大学）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于多智能体深度强化学习的装备集基于多智能体深度强化学习的装备集群多模态提升了装备集群多模态数据处理的效率与实时2S2、采用装备集群多模态数据分类及数据预处理S3、采用基于多智能体深度强化学习的边缘智能数2.根据权利要求1所述的一种基于多智能体深度强化学习的装备集群多模态边缘数据3.根据权利要求1或2所述的一种基于多智能体深度强化学习的装备集群多模态边缘S3_1、针对不同模态和优先级的数据，运行装3S3_6、智能体m从共享经验池中随机抽取小批量的标网络输出的实际Q值之间的损失，利用反向传播算法更新估计网络的参数，每隔一定时4.根据权利要求2所述的一种基于多智能体深度强化学习的装备集群多模态边缘数据5.根据权利要求3所述的一种基于多智能体深度强化学习的装备集群多模态边缘数据6.根据权利要求3所述的一种基于多智能体深度强化学习的装备集群多模态边缘数据7.根据权利要求1～6任一项所述的一种基于多智能体深度强化学习的装备集群多模’’不断优化Q值的预测精度，每隔固定的时间间隔，将估计网络的参数复制4[0003]并且由于不同装备集群的数据集大小是不同、用户对不5[0035]S7_2、将经验元组中的状态和动作输入6使其不断优化Q值的预测精度，每隔固定的时间间隔，将估计网络的参数复制到目标网络[0042]本发明提出了一种基于多智能体深度强化学习的装备集群多模态边缘数据智能[0043]首先，提出了一种装备集群多模态数据分类及数据预处能体(即每个边缘计算节点作为一个独立智能体)的自主学习能力来优化边缘节点的数据[0046]图1为本发明提出的一种基于多智能体深度强化学习的装备集群多模态边缘数据[0048]图3为本发明提出的一种装备集群多模态数据分类及数据预处理优先级动态调整[0049]图4为本发明提出的一种基于多智能体深度强化学习的边缘智能数据处理方法的[0050]图5为本发明提出的一种基于多智能体深度强化学习的边缘智能数据处理方法的789[0087](2)将经验元组中的状态和动作输入估计网络，得到估计Q值QSS(s",a",),将下[0092](4)利用反向传播算法，将计算出来的损失值Loss用于更新估计网络的参数θ,使

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论