声明
1 绪论
1.1 课题研究背景及意义
1.2 智能教室国内外现状
1.3 课题研究目标及内容
1.4 论文组织结构
1.5 本章小结
2 相关技术介绍
2.1 智能教室简介
2.2 数据存储技术
2.2.1 MySQL数据库
2.2.2 数据库性能优化技术
2.3 深度学习
2.4 强化学习
2.4.1 马尔科夫决策过程
2.4.2 Q-Learning算法
2.5 深度强化学习
2.6 开源深度学习框架Tensorflow
2.7 OpenAI Gym平台
2.8 本章小结
3 智能教室控制系统结构
3.1 智能教室控制系统总体架构
3.2 智能教室数据收集及控制系统
3.3 本章小结
4 智能教室数据存储与预处理
4.1 数据收集
4.2 数据存储
4.3 数据预处理
4.3.1 数据预处理技术
4.3.2 异源数据预处理
4.4 针对DQN的数据再处理
4.5 数据集分析
4.6 使用者环境感受分析
4.7 本章小结
5 基于DQN的智能教室控制模型研究
5.1 问题建模
5.1.1 状态建模
5.1.2 动作空间建模
5.1.3 回报建模
5.2 基于深度强化学习的模型训练过程 设计
5.3 基于DQN的智能教室控制模型预训练
5.3.1 算法流程
5.3.2 网络结构
5.4 基于DQN的智能教室控制模型再训练
5.4.1 模型迁移
5.4.2 算法流程
5.5 本章小结
6 实验结果及分析
6.1 实验环境 及部署
6.2 实验设计
6.3 实验结果
6.4 实验结果分析
6.5 与其他控制方法的表现对比
6.6 本章小结
7 总结与展望
7.1 总结
7.2 工作展望
参考文献
攻读硕士期间发表的论文
致谢
东华大学;