CASIA OpenIR

浏览/检索结果: 共84条,第1-10条 帮助

已选(0)清除 条数/页:   排序方式:
Fixed-Time Gradient Flows for Solving Constrained Optimization: A Unified Approach 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 8, 页码: 1849-1864
作者:  Xinli Shi;  Xiangping Xu;  Guanghui Wen;  Jinde Cao
Adobe PDF(2318Kb)  |  收藏  |  浏览/下载:15/6  |  提交时间:2024/07/16
Consensus  constrained optimization  disturbance rejection  linear equations  fixed-time gradient flow (FxTGF)  
面向复杂装配任务的机器人轨迹规划与柔顺控制技术研究 学位论文
, 2024
作者:  沈炼成
Adobe PDF(29544Kb)  |  收藏  |  浏览/下载:23/1  |  提交时间:2024/06/24
轨迹规划,装配策略,柔顺控制  
面向多目标覆盖任务的深度强化学习迁移泛化方法研究 学位论文
, 2024
作者:  徐一凡
Adobe PDF(20521Kb)  |  收藏  |  浏览/下载:38/3  |  提交时间:2024/06/20
多目标覆盖任务  强化学习  迁移泛化  课程学习  域自适应  环境偏移  
基于预训练模型的决策序列化建模研究 学位论文
, 2024
作者:  林润基
Adobe PDF(7811Kb)  |  收藏  |  浏览/下载:69/1  |  提交时间:2024/06/07
预训练模型  决策序列化  序列模型  
Parallel Population and Parallel Human---A Cyber-Physical Social Approach 期刊论文
IEEE Intelligent Systems, 2022, 卷号: 37, 期号: 5, 页码: 19-27
作者:  Peijun Ye;  Fei-Yue Wang
Adobe PDF(3009Kb)  |  收藏  |  浏览/下载:54/17  |  提交时间:2024/06/06
Parallel Human  
基于模仿学习的战术兵棋智能体构建与优化关键技术研究 学位论文
, 2024
作者:  王筱琦
Adobe PDF(2737Kb)  |  收藏  |  浏览/下载:56/1  |  提交时间:2024/06/06
兵棋推演  模仿学习  强化学习  人机对抗  
细粒度情绪神经编解码研究及应用 学位论文
, 2024
作者:  付铠城
Adobe PDF(20567Kb)  |  收藏  |  浏览/下载:40/3  |  提交时间:2024/06/04
细粒度情绪神经编解码  类脑情绪识别  多视图学习  多标签学习  类增量学习  表征相似性分析  
Beyond the Edge: An Advanced Exploration of Reinforcement Learning for Mobile Edge Computing, its Applications, and Future Research Trajectories 期刊论文
IEEE Communications Surveys and Tutorials, 2024, 页码: 50
作者:  Yang,Ning;  Chen,Shuo;  Zhang,Haijun;  Berry,Randall
Adobe PDF(1694Kb)  |  收藏  |  浏览/下载:52/6  |  提交时间:2024/06/01
Reinforcement learning, mobile edge computing, offloading scheduling, content caching, and communication  
基于强化学习的机器人操作策略表征与学习 学位论文
, 2024
作者:  杨依明
Adobe PDF(19731Kb)  |  收藏  |  浏览/下载:47/5  |  提交时间:2024/05/28
强化学习  机器人操作  机器人控制  策略表征  
融合专家知识与强化学习的自动驾驶策略研究 学位论文
, 2024
作者:  王宇霄
Adobe PDF(2599Kb)  |  收藏  |  浏览/下载:44/1  |  提交时间:2024/05/28
自动驾驶,深度模仿学习,深度强化学习,图神经网络