中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共16条，第1-10条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
Multi-Objective Bayesian Optimization using Deep Gaussian Processes with Applications to Copper Smelting Optimization 会议论文
, 新加坡, 2022-12
作者:  Kang, Liwen;  Wang, Xuelei;  Wu, Zhiheng;  Wang, Ruihua
Adobe PDF(607Kb)  |  收藏  |  浏览/下载：90/22  |  提交时间：2023/06/29
基于深度强化学习的主动目标检测方法研究 学位论文
, 2022
作者:  许诺
Adobe PDF(9588Kb)  |  收藏  |  浏览/下载：265/16  |  提交时间：2022/12/19
目标检测  深度强化学习  主动目标检测  深度学习  
基于平行学习的混合智能调控方法与应用研究 学位论文
, 中国科学院自动化研究所: 中国科学院自动化研究所, 2022
作者:  李小双
Adobe PDF(10128Kb)  |  收藏  |  浏览/下载：198/12  |  提交时间：2022/06/20
平行学习  混合智能调控  示教数据  模仿学习  深度强化学习  
两人零和博弈中的对抗学习与适应算法研究 学位论文
, 中国科学院自动化研究所: 中国科学院自动化研究所, 2022
作者:  吴哲
Adobe PDF(6758Kb)  |  收藏  |  浏览/下载：183/5  |  提交时间：2022/06/17
机器博弈  两人零和博弈  纳什均衡  对手建模  元学习  
面向复杂对抗的对手行为预测关键技术研究 学位论文
工程硕士, 中国科学院自动化研究所: 中国科学院大学, 2022
作者:  siyuan xing
Adobe PDF(2745Kb)  |  收藏  |  浏览/下载：167/10  |  提交时间：2022/06/15
兵棋，位置预测，时空建模，对手建模，异质图网络  
数据驱动的智能机器人平行规划与控制关键方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院自动化研究所, 2022
作者:  白天翔
Adobe PDF(23710Kb)  |  收藏  |  浏览/下载：176/5  |  提交时间：2022/07/01
平行系统，平行机器人，数据驱动，书法机器人，自适应动态规划  
L2E: Learning to Exploit Your Opponent 会议论文
, 意大利 帕多瓦, 2022.07.18-2022.07.23
作者:  Wu Zhe;  Li Kai;  Xu Hang;  Zang Yifan;  An Bo;  Xing Junliang
Adobe PDF(5676Kb)  |  收藏  |  浏览/下载：181/34  |  提交时间：2022/06/17
一种用于两人零和博弈对手适应的元策略演化学习算法 期刊论文
自动化学报, 2022, 页码: 0
作者:  吴哲;  李凯;  徐航;  兴军亮
Adobe PDF(15953Kb)  |  收藏  |  浏览/下载：181/42  |  提交时间：2022/06/17
Supervised assisted deep reinforcement learning for emergency voltage control of power systems 期刊论文
NEUROCOMPUTING, 2022, 卷号: 475, 页码: 69-79
作者:  Li, Xiaoshuang;  Wang, Xiao;  Zheng, Xinhu;  Dai, Yuxin;  Yu, Zhihong;  Zhang, Jun Jason;  Bu, Guangquan;  Wang, Fei-Yue
Adobe PDF(2551Kb)  |  收藏  |  浏览/下载：271/56  |  提交时间：2022/06/06
Deep reinforcement learning  Behavioral cloning  Dynamic demonstration  Emergency control  
Attention Enhanced Reinforcement Learning for Multi agent Cooperation 期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2022, 页码: 15
作者:  Pu, Zhiqiang;  Wang, Huimu;  Liu, Zhen;  Yi, Jianqiang;  Wu, Shiguang
Adobe PDF(2967Kb)  |  收藏  |  浏览/下载：276/40  |  提交时间：2022/06/06
Training  Reinforcement learning  Games  Scalability  Task analysis  Standards  Optimization  Attention mechanism  deep reinforcement learning (DRL)  graph convolutional networks  multi agent systems