针对目前雷达干扰抑制决策智能化程度低的问题,提出了一种基于双深度优先经验回放和可变贪婪算法改进的双重竞争深度Q网络(double dueling deep Q network,D3QN)决策的雷达干扰抑制方法。首先对雷达目标回波和干扰混合信号进行特征提取...针对目前雷达干扰抑制决策智能化程度低的问题,提出了一种基于双深度优先经验回放和可变贪婪算法改进的双重竞争深度Q网络(double dueling deep Q network,D3QN)决策的雷达干扰抑制方法。首先对雷达目标回波和干扰混合信号进行特征提取;然后根据信号特征通过可变贪婪算法选择动作作用于干扰,并将动作前后的信号特征存储于双深度优先经验回放池后,经过学习决策出最优的干扰抑制策略;最后使用该策略抑制干扰后输出。实验结果表明,该方法有效改善了信号的脉压结果,显著提升了信号的信干噪比,相较于基于D3QN的传统干扰抑制方法,在策略准确率和收敛速度上分别提升了7.3%和8.7%。展开更多
为了降低数据中心空调系统的能耗,提出改进的情景记忆深度Q网络(episodic memory deep Q-networks,EMDQN),用于数据中心空调系统优化控制。首先,以过去的温度和设备功耗为参数,利用Patch TST模型预测下一时刻数据中心机柜出风温度。然后...为了降低数据中心空调系统的能耗,提出改进的情景记忆深度Q网络(episodic memory deep Q-networks,EMDQN),用于数据中心空调系统优化控制。首先,以过去的温度和设备功耗为参数,利用Patch TST模型预测下一时刻数据中心机柜出风温度。然后,基于温度预测结果,搭建数据中心仿真平台,设计基于改进EMDQN的智能空调控制器。在EMDQN的基础上引入Mamba模块,通过Mamba模块的选择性过滤机制减少时间序列特征的冗余信息,保留重要特征,提高了模型的泛化能力和系统性能。实验结果表明:本文方法有效降低了空调系统功率,实现了对空调系统的优化控制。展开更多
文摘针对目前雷达干扰抑制决策智能化程度低的问题,提出了一种基于双深度优先经验回放和可变贪婪算法改进的双重竞争深度Q网络(double dueling deep Q network,D3QN)决策的雷达干扰抑制方法。首先对雷达目标回波和干扰混合信号进行特征提取;然后根据信号特征通过可变贪婪算法选择动作作用于干扰,并将动作前后的信号特征存储于双深度优先经验回放池后,经过学习决策出最优的干扰抑制策略;最后使用该策略抑制干扰后输出。实验结果表明,该方法有效改善了信号的脉压结果,显著提升了信号的信干噪比,相较于基于D3QN的传统干扰抑制方法,在策略准确率和收敛速度上分别提升了7.3%和8.7%。
文摘为了降低数据中心空调系统的能耗,提出改进的情景记忆深度Q网络(episodic memory deep Q-networks,EMDQN),用于数据中心空调系统优化控制。首先,以过去的温度和设备功耗为参数,利用Patch TST模型预测下一时刻数据中心机柜出风温度。然后,基于温度预测结果,搭建数据中心仿真平台,设计基于改进EMDQN的智能空调控制器。在EMDQN的基础上引入Mamba模块,通过Mamba模块的选择性过滤机制减少时间序列特征的冗余信息,保留重要特征,提高了模型的泛化能力和系统性能。实验结果表明:本文方法有效降低了空调系统功率,实现了对空调系统的优化控制。
