简介：针对多智能体协同中智能体需要分类后再协同解决任务的场景,本文提出了一种基于事件触发的改进型聚类分析方法。触发函数的设计核心在于确定当智能体聚类进行迭代时不足以分离出指定个数的智能体的归属时,函数得到触发,并利用触发函数计算出归并类的近似最优解,将联合观测值最优解方差最低的情形中,加权距离最小的若干智能体归为一类,从而加快迭代速度。在激活触发函数的聚类方法后,通过计算分类中的智能体的虚基准达到分类一致性。结果验证此种方法能够有效提升多智能体分类协同的效率,为智能体的协同提供一种新的思路。
简介：深度学习算法在物联网终端设备上的应用存在着系统开销控制与保证精度和实时性之间平衡的问题。本文提出了一种在云和终端设备上分布式混合部署深度学习神经网络的方法:压缩深度神经网络在本地终端上执行快速的推理运算;当系统基于可信表现的判断标准需要进一步处理时,中间数据可传输至云服务器端,进一步利用云端的深层深度神经网络进行处理,以提高系统的表现精度。本文给出了深度神经网络在终端设备上部署时和在终端与云端上混合部署时进行推理运算的量化比较效果,结果显示此种方法兼顾了深度神经网络的系统开销和准确率。
基于事件触发的聚类分析方法在多智能体任务协同中的研究
深度学习在云和终端上的混合分布式部署研究
