实体
Semi Markov Decision Process
Semi Markov Decision Process
PulseAugur coverage of Semi Markov Decision Process — every cluster mentioning Semi Markov Decision Process across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
深度强化学习增强人工胰腺控制系统
研究人员开发了一种新的人工胰腺系统深度强化学习（DRL）方法，旨在提高能源效率。该方法引入了一个与血糖变化相关的基于规则的标准来触发控制更新，而不是依赖固定的周期性间隔。这允许不规则的决策制定，被表述为半马尔可夫决策过程，并在数值实验中显示出在保持控制性能的同时提高了通信效率。
-
深度强化学习提升人工胰腺控制效率
研究人员为网络化人工胰腺系统开发了一种新的深度强化学习（DRL）控制器。该方法解决了降低通信频率以提高此类系统能效的挑战。通过引入与血糖变化相关的基于规则的标准，控制器以不规则的间隔做出决策，并将其表述为半马尔可夫决策过程。实验表明，该方法在不影响控制性能的情况下提高了通信效率。
-
多模态远程推理系统优化了机器学习模型的传感器数据传输
研究人员为多模态远程推理系统开发了新的策略，以在网络资源有限的情况下优化机器学习模型的准确性。提出的策略包括EAST、EAT和FT，旨在通过根据信息的时新度（以信息年龄AoI衡量）智能调度来自各种传感器的传数据，从而最大限度地减少推理错误。数值结果表明，这些新颖的策略在某些情况下显著优于传统方法，将推理错误减少了高达44.8%，同时在更复杂的情况下也大大缩短了计算时间。