May, 2018

基于强化学习的物联网系统中多接入控制和能量收集电池预测

PDF
TL;DR本文研究小型 IoT 系统中的能量收集、访问控制和电池预测问题，提出了基于强化学习和深度 Q 网络的三种算法，实验结果表明这些算法在性能上比现有基准方法更优秀。
发现论文，激发创造
  • 基于能量收割的多接入通信：多臂赌博机模型与短视策略的最优性

    研究一种多接入无线网络，并探讨基于不确定的能量收获过程和电池状态的调度策略，旨在实现最大总吞吐量，并将问题确定为无休止多臂匪徒问题，通过对某些能量收获过程和电池大小的假设，证明了视野短浅的决策策略的最优性和数字化的性能。

    Jan, 2015

  • 无线系统通过异步多用户深度强化学习实现交接控制

    本文提出了一个两层框架，使用深度强化学习进行异步的多用户控制，用于学习在支持移动物联网用户或传统蜂窝用户的大规模无线系统中，以降低手动切换率并确保一定的系统吞吐量。

    Jan, 2018

  • 基于学习的能量收集 IoT 设备计算卸载

    本文研究无线网络中具备能量收割功能和多个 MEC 设备 (IoT) 的计算卸载，提出了基于强化学习的计算卸载框架，包括基于 Q-learning 的 hotbooting 计算卸载方案和基于 DQN 的快速计算卸载方案，针对不同的 MEC 场景给出了性能界限，并使用模拟结果验证算法效果。

    Dec, 2017

  • 基于能源感知的早期退出实现可持续的边缘智能

    提出了一种基于动态早停止和能量感知策略的边缘智能系统，用于解决深度学习模型在能源受限设备上的能耗问题，实现高效、精准的推理，与传统的能量不感知策略相比，精度和服务率分别提高了至多 25% 和 35%。

    May, 2023

  • 使用深度强化学习控制灵活能源需求的智慧能源网络中的电池和氢能储能

    本文提出了一种基于深度强化学习的多智能体控制策略，用于实时优化混合储能系统和能量需求，该系统由电池和氢能储存器组成，可以解决与电力价格、可再生能源生产和消费相关的不确定性问题，并优化使用可再生能源，降低能源成本和碳排放，提高可再生能源利用率。

    Aug, 2022

  • 注意力卷积深度强化学习在实时电力市场中优化太阳能储能系统

    该研究探讨了太阳能电池储能系统与经济潜力开发中的备用功能，通过模型建立了一个双重马尔可夫决策过程，应用了一种新型深度强化学习算法来提高收益优化和降低能源浪费。

    Jan, 2024

  • 时间变化的约束感知强化学习与能量存储控制

    提出了一种连续强化学习方法，考虑了时间变化的可行充放电范围，通过将充放电水平限制在可行动作范围内，进一步提高了能量存储的有效利用。

    May, 2024

  • 无线传感器网络强化学习中的能效

    本文提出了一种方法，利用强化学习技术，在能源意识系统中连续进行弱训练，从而提高算法性能并节省能源。这种方法通过利用环境中的其他传感器提供弱标签，然后训练出模型。本方法在模拟本地化环境上进行了评估，并在可用的普遍健康数据集上进行了验证，以利用接收信号强度实现真实的住宅本地化。我们展示了该方法实施成本低、需要更少的工作门槛和能够提供随时间增加的性能改进和能源节约。

    Nov, 2018

  • 奶牛养殖中的电池管理强化学习

    本研究利用 Q 学习在奶牛养殖场景中学习了一种有效的电池充放电策略，结果显示与基准算法相比，该策略显著降低了电费，突出了奶牛养殖业中强化学习在电池管理方面的有效性。

    Aug, 2023

  • 基于强化学习优化的图像异常检测中的电池驱动 TinyML 系统模拟

    通过使用强化学习算法优化系统操作和云异常处理，TinyML 启用的物联网系统在性能优化方面获得了较好的结果，相对于静态和动态优化方法分别提高了 22.86％和 10.86％的电池寿命。

    Mar, 2024