...
机译:多目标强化学习对IOT网络部署的运河有效模型控制的应用
Beihang Univ Hangzhou Innovat Inst Hangzhou 310051 Peoples R China|Beihang Univ Sch Comp Sci & Engn State Key Lab Virtual Real Technol & Syst Beijing 100191 Peoples R China;
Beihang Univ Hangzhou Innovat Inst Hangzhou 310051 Peoples R China|Beihang Univ Sch Comp Sci & Engn State Key Lab Virtual Real Technol & Syst Beijing 100191 Peoples R China|Zhengzhou Univ Res Inst Ind Technol Sch Informat Engn Zhengzhou 450001 Peoples R China;
Beihang Univ Hangzhou Innovat Inst Hangzhou 310051 Peoples R China|Beihang Univ Sch Comp Sci & Engn State Key Lab Virtual Real Technol & Syst Beijing 100191 Peoples R China;
Beihang Univ Hangzhou Innovat Inst Hangzhou 310051 Peoples R China|Beihang Univ Sch Comp Sci & Engn State Key Lab Virtual Real Technol & Syst Beijing 100191 Peoples R China;
Beihang Univ Hangzhou Innovat Inst Hangzhou 310051 Peoples R China|Beihang Univ Sch Comp Sci & Engn State Key Lab Virtual Real Technol & Syst Beijing 100191 Peoples R China;
Canal control; Model-free; Multi-objective; Reinforcement learning; South to North Water Transfer Project;
机译:一种有效的无模型方法,用于通过分层加固学习控制大型运河
机译:在合作多剂型无代理模型加强学习计划下认知无线电网络中的节能资源分配
机译:使用深度加固学习的两区城市网络无模型周边计量控制
机译:两个时标网络的块分散式无模型强化学习控制
机译:多主体系统中的有效强化学习及其在认知无线电网络中的应用。
机译:带有高维感官输入和感知歧义的无模型强化学习的尖刺神经网络模型
机译:强化学习在下一代移动蜂窝网络中有效使用频谱的应用
机译:基于模糊逻辑 - 神经网络的强化学习在邻近和对接操作中的应用:平移控制器结果