基于生成对抗网络的深度Q学习能耗预测算法

论文摘要

针对基于生成对抗网络的Q学习能耗预测算法中,将传统Q学习算法,应用于大状态空间存在收敛速度慢以及非线性条件下能耗预测性能较差的问题,提出一种基于生成对抗网络的深度Q学习能耗预测算法（Deep Q-Learning Energy Consumption Prediction Algorithm Based on Generative Adversarial Networks,DGQL）。该算法引入深度神经网络,通过构建深度Q网络作为非线性函数逼近器去近似表示动作值函数,并利用深度Q网络值函数近似的方法解决传统Q学习算法在大状态空间中算法收敛速度慢的问题。实验结果表明,在引入深度Q网络值函数近似方法后,能耗预测的精度显著提高。

论文目录

• 1 概述
• 2 理论部分
•   2.1 值函数近似
•   2.2 深度Q网络
•   2.3 生成对抗网络
• 3 基于生成对抗网络的深度Q学习能耗预测算法
• 4 实验结果分析
• 5 总结

文章来源

类型: 期刊论文

作者: 刘青松,戴大东,章挺飞,张大龙

关键词: 深度学习,生成对抗网络,建筑能耗,函数逼近器

来源: 电脑知识与技术 2019年32期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 建筑科学与工程,自动化技术

单位: 苏州科技大学电子与信息工程学院,苏州科技大学江苏省建筑智慧节能重点实验室,苏州科技大学苏州市移动网络技术与应用重点实验室

分类号: TU111.195;TP18

DOI: 10.14004/j.cnki.ckt.2019.3797

页码: 69-71

总页数: 3

文件大小: 1640K

下载量: 157