机构名称：
¥ 1.0
在本文中，我们合成了一种数据驱动的方法来预测临时机器人网络的最佳拓扑。此问题从技术上讲是一个多任务分类问题。但是，我们将其分为一类可以更有效解决的多类分类问题。为此，我们首先创建了一种算法，以创建与机器人网络各种配置相关的地面真实最佳拓扑。该算法结合了我们的学习模型成功地学习的复杂最佳标准集合。此模型是一个堆叠的集合，其输出是特定机器人的拓扑预测。每个堆叠的集合实例构成了三个低级估计器，它们的输出将通过高级增强搅拌器汇总。将我们的模型应用于10个机器人网络，在预测与引用网络各种配置的最佳拓扑的预测中显示了超过80％的精度。
学习临时机器人网络的最佳拓扑
主要关键词
相关文件推荐
