• ВХОД

    •  

    Полное описание

    Исследование моделей глубокого обучения для оптимизации трафика в сетях Vehicle-to-Everything = Research of Deep Learning Models for Traffic Optimization in Vehicle-To-Everything Networks / Д. В. Антропов, Н. А. Осипов, Т. В. Зудилова [и др.]. - DOI 10.17513/snt.39261. - Текст : непосредственный // Современные наукоемкие технологии : журнал. - 2022. - N 8. - С. 9-15. - Библиогр. в конце ст. - ISSN 1812-7320.
    ГРНТИ УДК
    28.23.25004.85

    Рубрики:
    Машинное обучение

    Кл.слова (ненормированные): глубокие q-сети -- обучение с подкреплением -- машинное обучение -- deep learning -- quality of service -- vehicle-to-everything
    Аннотация: В статье рассматриваются методы машинного обучения, применяемые для оптимизации распределения трафика в сетях Vehicle-to-Everything. Данные сети представляют собой коммуникацию между участниками дорожного движения и транспортной инфраструктурой. Актуальность темы заключается в том, что существующие алгоритмы в сети Vehicle-to-Everything не решают проблемы распределения ресурсов внутри сети, и это является слабым местом технологии подключенных автомобилей, а методы машинного обучения могут помочь в решении этой проблемы. В ходе исследования были получены результаты, показывающие, что модели глубокого обучения с подкреплением способны решать задачи оптимизации распределения ресурсов в сетях Vehicle-to-Everything. Были рассмотрены три модели DQN сети: модель стандартного Q-обучения, модель Double DQN и модель Dueling DQN. По результатам работы можно сделать вывод, что для оптимизации трафика в сетях Vehicle-to-Everything можно использовать методы глубокого Q-обучения. При этом стоит учитывать проблему стандартного DQN алгоритма и рассматривать его модификации для получения более эффективной нейронной сети. Для задачи распределения ресурсов в сетях V2X рекомендуется использовать метод двойного Q-обучения, так как он имеет более гибкую аппроксимацию целевой функции.
    Доп. точки доступа:
    Антропов, Д.В.
    Осипов, Н.А.
    Зудилова, Т.В.
    Ананченко, И.В.
    Осетрова, И.С.

    Экз-ры полностью 1f88b9a7905bf43e659530dfc20dbb2d/2022/8
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -007121-465021)

    Шифр в сводном ЭК: 1479342aaff20475bd286a49b297332d




    Заказ фрагмента документа ₽