双色球近200期官网

<strong id="mqtqw"></strong><optgroup id="mqtqw"><em id="mqtqw"><del id="mqtqw"></del></em></optgroup>

  • <ol id="mqtqw"></ol>

    1. <optgroup id="mqtqw"></optgroup>

        首頁 > 學術講座 > 正文
        Informative Path Planning for Mobile Sensing with Reinforcement Learning
        發布時間:2019-11-08    

        講座主題:

        Informative Path Planning for Mobile Sensing with Reinforcement Learning

        主講人姓名及介紹:

        RongZheng,伊利諾伊大學香檳分校計算機科學系博士學位,清華大學電氣工程碩士學位和學士學位。加拿大麥克馬斯特大學計算與軟件系教授。從2004年到2012年,她在休斯敦大學計算機科學系任教。

        Rong Zheng教授的研究興趣包括無線網絡、移動計算和機器學習。她是《IEEE Transactions on Mobile Computing》和《IEEE Transactions on Network Science and Engineering》以及《IEEE Transactions of Wireless Communication》的編輯。于2019年獲得加拿大自然科學與工程理事會的Discovery Accelerator Supplement,并于2006年獲得了美國國家科學基金會職業獎。她在2015年至2018年期間擔任葉Joseph的工程研究員。

        報告摘要:

        大規??臻g數據,諸如空氣質量,熱力條件和位置簽名等在各種應用中都起著至關重要的作用。手動收集此類數據可能很繁瑣且需要大量勞動。隨著機器人技術的進步,使用具有傳感和導航功能的移動機器人將此類任務自動化是可行的。但是,由于有限的電池壽命和充電站的稀缺性,如何規劃機器人的路徑,以便最大化數據收集效用變得非常重要,稱為信息路徑規劃(IPP)問題。在本演講中,我們將討論使用強化學習(RL)的新穎IPP算法。設計了一種約束勘探和開發策略來應對IPP的獨特挑戰。與經典的強化學習方法相比,它具有更快的收斂性和更好的最優性。使用現實世界的測量數據進行的大量實驗表明,在大多數測試案例中,所提出的算法都優于最新的算法。特別地,與現有解決方案不同,當輸入參數發生變化時,現有解決方案必須重新執行,我們基于RL的解決方案可以在不同問題實例之間實現一定程度的可移植性。

        學術講座
        双色球近200期