蓋世汽車(chē)訊 據(jù)外媒報(bào)道，賓夕法尼亞大學(xué)嵌入式計(jì)算與集成系統(tǒng)工程研究（PRECISE）中心的團(tuán)隊(duì)展開(kāi)突破性研究工作，有望改變城市交通管理，對(duì)可持續(xù)城市生活和減緩氣候變化產(chǎn)生影響。這項(xiàng)研究由電氣與系統(tǒng)工程系（ESE）博士生Nandan Tumu領(lǐng)導(dǎo)，其導(dǎo)師是計(jì)算機(jī)與信息科學(xué)系（CIS）和ESE系教授兼PRECISE中心創(chuàng)始成員Rahul Mangharam。

（圖片來(lái)源：arxiv.org）

當(dāng)今機(jī)器學(xué)習(xí)方法的一個(gè)主要障礙是樣本復(fù)雜性，即學(xué)習(xí)算法需要多少數(shù)據(jù)才能達(dá)到適當(dāng)?shù)男阅芩健?shù)據(jù)越多，所需的能量就越多，對(duì)環(huán)境的影響就越大。

為了解決這個(gè)問(wèn)題，Tumu探索更為有效的方法，并發(fā)現(xiàn)基于物理知識(shí)和受約束的學(xué)習(xí)可以大幅減少大量采樣需求。通過(guò)將這種方法與共形預(yù)測(cè)（一種無(wú)分布不確定度量化方法）相結(jié)合，Tumu找到了一種有效可靠地控制復(fù)雜系統(tǒng)的方法。

這種基于物理知識(shí)和受約束的學(xué)習(xí)與共形預(yù)測(cè)的創(chuàng)新結(jié)合，有望釋放更大型多代理系統(tǒng)的潛力，例如無(wú)人機(jī)機(jī)隊(duì)或無(wú)人駕駛汽車(chē)車(chē)隊(duì)，以及電網(wǎng)和風(fēng)電場(chǎng)等基礎(chǔ)設(shè)施。

返回第一電動(dòng)網(wǎng)首頁(yè) >