Un marco de aprendizaje profundo de refuerzo paralelo para controlar líneas de ensamblaje industrial
Autores: Tortorelli, Andrea; Imran, Muhammad; Delli Priscoli, Francesco; Liberati, Francesco
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un marco de aprendizaje profundo de refuerzo paralelo para controlar líneas de ensamblaje industrial
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Técnicas de aprendizaje automático
Control de líneas de ensamblaje industrial
Aprendizaje profundo por refuerzo
Política de asignación de tareas/recursos
Tiempo de ciclo
Restricciones
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
La toma de decisiones en un entorno industrial complejo, dinámico, interconectado y rico en datos puede mejorarse con la asistencia de técnicas de aprendizaje automático.
Descripción
La toma de decisiones en un entorno industrial complejo, dinámico, interconectado y rico en datos puede mejorarse con la asistencia de técnicas de aprendizaje automático.