基于深度Q学习的室内无线网络资源分配算法

来源 :计算机工程与科学 | 被引量 : 0次 | 上传用户:snoopy10222001
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对室内无线网络中的能量消耗过大问题,提出了一种基于深度Q学习的家庭基站发射功率分配算法。首先构造深度学习网络(DLN),优化室内无线网络的能量效率;然后将能量消耗指数作为奖罚值,利用批量梯度下降法不断地训练DLN的权值。最后仿真结果表明,所提出的算法可以动态调整发射功率,在收敛速度和能量消耗优化方面明显优于Q学习算法和注水算法,可以有效地降低室内无线网络的能耗。
其他文献
为提升眼底图像的高度近视萎缩病变分割精度,针对不同个体的眼底图像质量良莠不齐及因萎缩病变与相邻组织之间边界较为模糊等引起分割困难的问题,提出具有多尺度深度监督思想的高度近视萎缩病变分割方法。首先开发优化算法使得眼底图像组织结构清晰、风格统一,降低复杂特征的区分难度。由于利用V-Net只能够得到较低的分割精度,因此,通过融合高层与低层的特征形成多尺度特征学习的MS-V-Net,能够提取不同尺度图像中
学习特征图语义信息和位置信息对于在视网膜图像分割中产生理想的结果至关重要。最近,卷积神经网络在提取特征图有效信息方面已经表现出了强大的能力,然而,卷积和池化操作会过滤掉一些有用的信息。提出了一种新型跳过注意力指导网络SAG-Net来保存特征图语义和位置信息并指导扩展工作。在SAG-Net中,首先引入了跳过注意力门SAtt模块,将其用作敏感的扩展路径来传递先前特征图的语义信息和位置信息,不仅有助于消
学龄期是儿童真正需要有属于自己的独立空间和家具的关键时期。儿童进入学龄期后个人物品会明显增多,因此需要配备足够的收纳空间来适应孩子的需求。通过收纳,儿童也可以培养自己的动手能力和逻辑思维。本文通过案头研究整理出儿童在学龄期的主要个人物品,接着根据儿童需求制定问卷详细调研物品数量,调研结果可以为家具尺寸设计提供数据参考。最后通过分析儿童房内收纳性强的家具设计,提出适应学龄期儿童的定制家具收纳设计要求,为相关设计提供指导。
基于属性的加密机制能够实现细粒度的访问控制,支持多用户数据共享。针对大部分基于属性的可搜索加密方案存在效率低下、密钥易泄露以及仅支持单关键词搜索的问题,提出了一个支持连接关键词搜索的属性加密方案。该方案采用线性秘密共享矩阵实现访问控制,将秘密共享和恢复操作在一个与参与方属性关联的矩阵中进行,通过矩阵运算减少了计算量。在陷门生成阶段,避免直接将用户密钥提交给云服务器,保证了用户密钥的安全性。基于多项式方程实现了连接关键词搜索,缩小了搜索范围,提升了用户的搜索体验,严格的安全性分析证明方案能够达到抵抗关键字攻
通过研究医养结合模式下的养老空间家具设计,能够改善老年人生活的环境和创造优质的生活条件,促进养老服务的专业化和高效化。本研究通过分析当前医养结合模式下的养老空间家具类型,结合老年人自身的特征,提出设计方法;并进一步分析医养结合型家具的要点,针对材料、色彩、模块化和智能化提出新的设计思路。最后提出医养结合养老空间家具的设计原则,提高并改善养老空间家具的使用体验,有助于提高老年人晚年生活的舒适性,为医养结合型家具的发展提出了新的方向。
针对工科研究生面向对象分析与设计课程融入思政元素问题,分析课程思政实施方案,提出基于建构主义学习原理的课程思政二元融合方法,介绍具体实施途径,阐述课程思政融入点,通过3个教学案例探讨课程思政融入方法,最后说明课程思政二元融合方法优势与实践效果。
针对软件工程教学与人才培养过程存在的问题,基于“课程目标达成评价与改进”这一核心问题,提出基于工程教育认证OBE教育理念的课程目标达成评价机制与持续改进策略,从授课教师、教学管理、学生和用人单位4个维度阐述如何推进课程目标达成,以软件工程导论课程为例,介绍课程建设的达成评价过程。
分布式机器学习中的工作结点在训练过程中经常需要处理异构任务,但任务发布者可能无法根据有效的先验知识确定边缘服务器集群中哪些是处于训练状态的工作结点.针对边缘服务器
本文旨在提出室内装饰装修工程中施工质量控制与施工管理的策略,提高室内装饰装修工程的整体质量。通过调查分析法和归纳总结法阐述室内装饰装修的施工要点,室内装饰施工管控的重要性,分析并总结当前室内装饰施工存在的问题,针对施工管理缺乏体制化体系、材料工艺质量不达标、施工人员专业素养不强等问题,提出加强监督、科学管理,材料检验、严控工艺质量和集中培训、提高专业素养等策略方法,以保证室内装饰装修工程施工的严谨性、安全性和实效性,为室内装饰装修行业在施工质量和管理方面提出新思路。
随着互联网技术的飞速发展,人类正在走向大数据时代与云计算时代。Flink作为最新一代的大数据计算引擎,具有低延迟、高吞吐等优势,受到学术界与工业界的青睐。Flink在云环境下部署时,其默认任务调度由于无法获取容器部署分布信息,会导致负载分配不均衡。针对这一问题,提出一种面向容器环境的Flink任务调度算法FSACE,获取每个结点性能信息与容器在结点上的分布信息,优先选择空闲资源较多的结点的容器,同时可以避免容器被频繁选中造成负载不均。使用云主机与合成数据集对算法进行评测,评测结果表明,在容器环境下部署时,