摘要
本发明属于数据处理技术领域,公开了基于信息感知与强化学习的多智能体可视化数据卸载方法,包括以下步骤:基于边缘计算设备集收车辆状态和任务数据并进行处理,形成训练集数据;对以DQN为基础的多智能体强化学习网络进行训练,构建强化学习决策模型,即DQN模型;边缘计算设备将训练好的DQN模型分配到进入其通讯范围的各个车辆,车辆自身进行自主决策,决定发送到边缘计算设备的图片的压缩比例。本发明采用上述基于信息感知与强化学习的多智能体可视化数据卸载方法,以DQN为基础,使得每辆车能够根据实时计算资源负荷灵活调整图像的压缩级别,旨在资源受限的车辆环境中平衡视觉数据处理的时间消耗和处理精度。
技术关键词
数据卸载方法
深度Q网络
强化学习网络
YOLO模型
车辆
信息熵
图片
训练集数据
决策
视觉
图像处理
代表
数据处理技术
复杂度
设备通信
分辨率
通讯
精度
系统为您推荐了相关专利信息
路面状况监测系统
监测点
多源数据融合技术
判断路面
路面监测技术
事件记录系统
报告生成方法
解码算法
数据字
事理图谱
分层控制方法
力矩
序列二次规划算法
梯度下降法
车辆模型
LSTM神经网络
车辆横向速度
迁移学习模型
状态空间方程
估计方法