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。
ปรับแต่งบทสรุป
เขียนใหม่ด้วย AI
สร้างการอ้างอิง
แปลแหล่งที่มา
เป็นภาษาอื่น
สร้าง MindMap
จากเนื้อหาต้นฉบับ
ไปยังแหล่งที่มา
arxiv.org
Neural Network-Based Bandit: A Medium Access Control for the IIoT Alarm Scenario