《表2 参数设置:基于改进的DQN机器人路径规划》
本文算法与DQN、DDQN两种算法进行对比。3种算法的网络模型结构均为5层:输入层为机器人所在环境的特征向量;隐藏层有3层,每层有30个神经元,各层的激活函数均为relu函数;输出层为机器人所处环境状态下的Q值,Q值的维数为可执行动作的个数(即8维向量)。本文对比实验的超参数配置见表2。
图表编号 | XD00208597800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.16 |
作者 | 董永峰、杨琛、董瑶、屈向前、肖华昕、王子秋 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学河北省数据驱动工业智能工程中心、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学河北省数据驱动工业智能工程中心、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工 |
更多格式 | 高清、无水印(增值服务) |