检索范围:
排序: 展示方式:
带有网络智能体的去中心化多智能体强化学习进展 Review Article
张凯清1,杨卓然2,Tamer BAŞAR1
《信息与电子工程前沿(英文)》 2021年 第22卷 第6期 页码 802-814 doi: 10.1631/FITEE.1900661
针对意外崩溃智能体的教练辅助多智能体强化学习框架 Research Article
赵鉴1,赵有朋1,王维埙2,阳明宇1,胡迅晗1,周文罡1,郝建业2,李厚强1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1032-1042 doi: 10.1631/FITEE.2100594
关键词: 多智能体系统;强化学习;意外崩溃智能体
多智能体协作与博弈展望:挑战、技术和应用 Perspective
刘瑜1,李徵2,姜智卓2,何友1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1002-1009 doi: 10.1631/FITEE.2200055
基于多智能体深度强化学习的工业无线网络端边协同资源分配 Research Article
刘晓宇1,2,3,4,许驰1,2,3,于海斌1,2,3,曾鹏1,2,3
《信息与电子工程前沿(英文)》 2022年 第23卷 第1期 页码 47-60 doi: 10.1631/FITEE.2100331
基于多智能体强化学习的车载自组织网络协作信道分配 Research Articles
王云鹏,郑坤贤,田大新,段续庭,周建山
《信息与电子工程前沿(英文)》 2020年 第21卷 第7期 页码 1047-1058 doi: 10.1631/FITEE.1900308
基于多智能体微分博弈的数据驱动协同一致控制 Research Article
石宇1,化永朝2,于江龙1,董希旺1,2,任章1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1043-1056 doi: 10.1631/FITEE.2200001
面向人—多机器人协同系统的带记忆强化学习行为控制任务管理器 Research Article
黄捷1,2,3,莫智斌1,2,3,张祯毅1,2,3,陈宇韬1,2,3
《信息与电子工程前沿(英文)》 2022年 第23卷 第8期 页码 1174-1188 doi: 10.1631/FITEE.2100280
人在回路的深度强化学习算法及其在自动驾驶智能决策中的应用 Article
吴京达, 黄志宇, 胡中旭, 吕辰
《工程(英文)》 2023年 第21卷 第2期 页码 75-91 doi: 10.1016/j.eng.2022.05.017
由于机器学习智能和能力有限,它目前仍无法处理各种情况,因此不能在现实应用中完全取代人类。因为人类在复杂场景中表现出稳健性和适应性,所以将人类引入人工智能(AI)的训练回路并利用人类智能进一步提升机器学习算法变得至关重要。本研究开发了一种基于实时人类指导(Hug)的深度强化学习
(DRL)方法,用于端到端自动驾驶案例中的策略训练。通过新设计的人类与自动化之间的控制转移机制,人类能够在模型训练过程中实时干预和纠正智能体的不合理行为。所提出的Hug-DRL的快速收敛允许实时的人类指导行为融合到智能体的训练回路中,进一步提高了DRL的效率和性能。
Soft-HGRNs: 用于多智能体部分可观察场景的随机性层次图递归网络 Research Article
任一翔1,叶振辉1,2,陈弈宁1,姜晓红2,宋广华1
《信息与电子工程前沿(英文)》 2023年 第24卷 第1期 页码 117-130 doi: 10.1631/FITEE.2200073
面向强化学习自动驾驶模型的异步监督学习预训练方法 Research Articles
王云鹏,郑坤贤,田大新,段续庭,周建山
《信息与电子工程前沿(英文)》 2021年 第22卷 第5期 页码 615-766 doi: 10.1631/FITEE.1900637
人工智能在化学逆合成中的应用 Review
Yinjie Jiang, Yemin Yu, Ming Kong, Yu Mei, Luotian Yuan, Zhengxing Huang, Kun Kuang, Zhihua Wang, Huaxiu Yao, James Zou, Connor W. Coley, Ying Wei
《工程(英文)》 2023年 第25卷 第6期 页码 32-50 doi: 10.1016/j.eng.2022.04.021
近年来,人们对通过人工智能(AI)技术解决化学逆合成预测问题产生了巨大的兴趣。与化学家和基于规则的专家系统进行的逆合成预测不同,AI驱动的逆合成预测自动从现成的实验数据集中学习化学知识,以预测反应和逆合成路径。我们首先讨论了化学逆合成的数学定义,并回顾了这个问题中的研究挑战。 然后,我们回顾相关的AI技术和最新进度,以实现逆合成预测。
输入饱和下多智能体系统最优一致性控制:一类非零和博弈方法 Research Article
李洪阳1,2,魏庆来1,2,3
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1010-1019 doi: 10.1631/FITEE.2200010
张宏伟,吴爱国,盛涛
《中国工程科学》 2006年 第8卷 第7期 页码 58-62
针对变风量(VAV)空调系统的特性,将VAV系统分解为多个智能体,提出了基于多智能体技术的分布式智能控制方法,有效地解决了变风量空调系统回路间的解耦和协调问题。
MDLB:一种基于强化学习的元数据动态负载均衡机制 Research Articles
武兆琪1,卫今2,3,张帆1,郭威1,谢光伟2,3
《信息与电子工程前沿(英文)》 2020年 第21卷 第7期 页码 963-1118 doi: 10.1631/FITEE.1900121
标题 作者 时间 类型 操作
人工智能在化学逆合成中的应用
Yinjie Jiang, Yemin Yu, Ming Kong, Yu Mei, Luotian Yuan, Zhengxing Huang, Kun Kuang, Zhihua Wang, Huaxiu Yao, James Zou, Connor W. Coley, Ying Wei
期刊论文