模擬結果表明,即使在網路中可用通道/設備或激活機率增加的情況下,NNBB 的效能也優於 MAB-based RA、Random Selection (RS) 和 Myopic Q-learning with Linear Function Approximation (MQLFA)-based RA 等基準方案。
結論:
NNBB 是一種適用於 IIoT 警報場景的有效且可擴展的 RA 方案。
NNBB 的在線訓練和分布式特性使其成為需要快速響應時間和高可靠性的工業應用的理想選擇。
تخصيص الملخص
إعادة الكتابة بالذكاء الاصطناعي
إنشاء الاستشهادات
ترجمة المصدر
إلى لغة أخرى
إنشاء خريطة ذهنية
من محتوى المصدر
زيارة المصدر
arxiv.org
Neural Network-Based Bandit: A Medium Access Control for the IIoT Alarm Scenario