Articoli più recenti per Apprendimento Rinforzato Profondo

Un nuovo modello migliora l'hedging dinamico tenendo conto dell'impatto di mercato e della liquidità.

Nuovo metodo usa l'apprendimento profondo per stabilizzare i sistemi energetici con le rinnovabili.

Un nuovo metodo di intelligenza artificiale migliora la programmazione in ambienti di lavoro incerti.

Un nuovo pianificatore migliora l'efficienza produttiva in ambienti di produzione complessi.

Questo studio si concentra sul migliorare l'adattabilità negli algoritmi di deep reinforcement learning.

Questo articolo parla di come MBDRL ottimizza il controllo del flusso con efficienza e costi ridotti.

I nuovi sistemi di arrivo per veicoli volanti migliorano l'efficienza e la sicurezza dei viaggi in città.

Un framework che usa agenti permette agli utenti di gestire le preferenze di sicurezza e privacy dell'IoT.

Un nuovo approccio per migliorare la regolazione della tensione con tecniche avanzate di machine learning.

Un nuovo approccio che utilizza l'IA per un controllo efficace delle code in ambienti reali.

Questo studio mostra come il machine learning può migliorare i percorsi diagnostici per malattie complesse.

Usare il deep learning per migliorare l'efficienza del trasporto pubblico e ridurre i costi.

Le tecniche di intelligenza artificiale migliorano il posizionamento delle firebreak per ridurre efficacemente la diffusione degli incendi.

I sistemi di stoccaggio energetico a batteria adottano nuove strategie di offerta per ottimizzare la partecipazione al mercato.

Una panoramica del deep reinforcement learning nel movimento dei robot bipedi.

Un nuovo approccio migliora la chiarezza nel dosaggio del warfarin e la cura dei pazienti.

Introducendo SAFE-RL per prendere decisioni più chiare nei sistemi AI.

Un nuovo approccio migliora la gestione della rete elettrica utilizzando topologie target e deep learning.

Un nuovo metodo per fare aggiustamenti rapidi all'esposizione della fotocamera usando l'apprendimento profondo per rinforzo.

La tecnologia AARIS migliora la comunicazione tramite droni, superando le sfide delle reti tradizionali.

SINDy-RL migliora l'efficienza e l'interpretabilità nei sistemi di controllo usando l'apprendimento di dizionari sparsi.

Questo documento esplora modi per ridurre le interventi inutili da parte del conducente nei veicoli automatizzati.

Un nuovo approccio per migliorare la disponibilità dei clienti nell'apprendimento federato.

Puntare a una gestione energetica efficiente attraverso reti intelligenti e nuove tecnologie.

Un nuovo programmatore migliora la comunicazione nell'Internet delle Cose Industriale usando il rinforzo dell'apprendimento.

Un nuovo framework migliora la presa di decisioni per i veicoli aerei da combattimento senza pilota nei combattimenti aerei.

Sfruttare il rafforzamento dell'apprendimento per ottimizzare la programmazione dei lavori utilizzando le tecniche dell'indice di Gittins.

Un nuovo metodo migliora la fiducia e il processo decisionale per i consigli assistiti dall'IA.

La ricerca punta a migliorare l'efficienza nella ricerca di percorsi usando funzioni euristiche adattabili.

Un nuovo metodo usa l'apprendimento profondo per rinforzo per migliorare l'efficienza della differenziazione automatica.

La ricerca mostra un miglioramento nel controllo delle braccia robotiche usando il deep reinforcement learning.

La ricerca esplora la riduzione della resistenza nei flussi attorno ai cilindri con metodi di controllo attivo e apprendimento automatico.

Uno studio sulla previsione dei guasti nella rete elettrica tramite analisi di deep reinforcement learning.

Lo studio migliora le strategie di cambio corsia per le auto a guida autonoma nel traffico misto.

Come i Mixtures of Experts migliorano le prestazioni nei compiti di Deep Reinforcement Learning.

Un nuovo metodo migliora il percorso per le consegne di veicoli elettrici.

Esplorando come AAM e DRL migliorano la sicurezza e l'efficienza del volo.

Le antenne fluide migliorano la comunicazione e l'allenamento dei modelli nel learning federato.

DRLQ migliora l'assegnazione dei compiti per le risorse quantistiche, aumentando l'efficienza nel cloud computing.

Investigando l'allocazione dei qubit e architetture modulari per migliorare l'efficienza del calcolo quantistico.