基于深度强化学习的信息驱动自适应感知
机器学习
2020-10-09 v1 人工智能
摘要
为了更好地将深度强化学习用于资源受限 IoT 设备的感知策略创建，我们提出并研究了一种基于 Fisher 信息值的新型奖励函数。该奖励函数使 IoT 传感器设备能够学习在不可预测的时刻消耗可用能量进行测量，而在测量提供很少新信息的时候节省能量。这是一种高度通用的方法，支持广泛的使用场景，且无需大量人工设计工作或超参数调优。我们在工作场所噪声监测场景中说明了该方法，结果显示所学行为优于均匀采样策略，并接近近最优的 oracle 解。
引用
@article{arxiv.2010.04112,
title = {Information-Driven Adaptive Sensing Based on Deep Reinforcement Learning},
author = {Abdulmajid Murad and Frank Alexander Kraemer and Kerstin Bach and Gavin Taylor},
journal= {arXiv preprint arXiv:2010.04112},
year = {2020}
}
备注
8 pages, 8 figures