实体 LFPG-RL

LFPG-RL

PulseAugur coverage of LFPG-RL — every cluster mentioning LFPG-RL across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_228888 · Sep 1 · 04:00

新的强化学习方法提高了交通流量预测的准确性

研究人员开发了一种名为LFPG-RL的新方法，该方法使用强化学习来提高动态起讫（OD）矩阵估计的准确性和效率。该方法将链接流传播引导集成到近端策略优化中，以更好地处理不断变化的交通网络条件和随机结果。在墨尔本动脉交通网络上进行的测试表明，LFPG-RL的均方根误差为4.69，皮尔逊相关系数为0.995，表现优于现有方法。