|
|
|
مسیر یابی تصویری تطابق پذیر است با استفاده از الگوریتم اولویت بندی شده یادگیری Q: رویکرد پارامترهای یادگیری بر اساس MDP
چکیده این مقاله یک روش مسیر یابی تصویری تطابق پذیر را معرفی می کند که مدل ظاهر تطابق پذیر را با توانایی بیشترین کارآیی پروسه تصمیم مارکو ترکیب می کند. بیشتر الگوریتم های مسیر یابی به دلیل متغیر های ظاهر شدن جسم از تغییرات در روش سازی، محدود هستند. زاویه دید، مقیاس جسم و شکل جسم. این مقاله انگیزه دارد تا نکته را که تنزل کارآیی مسیر یابی نه تنها به خاطر تغییرات ظاهر جسم است بلکه به خاطر کنترل های غیر قابل انعطاف در پارامترهای مسیر یاب است، را شرح دهد. تا آنجایی که ما می دانیم، برای این که مسیر یاب حداکثر کارایی را داشته باشد ، پارامترها به طور کامل بررسی نشده اند هر چند که این مسئله به شدت بر کارآیی مسیر یابی اثر می گذارد. چالش این است که یک الگوریتم مسیر یابی تطابق پذیر را با یک ظرفیت کارآیی بالا براساس ساختن یک مدل انعطاف پذیر تر مجهز کنیم. در این مقاله، پروسه تصمیم مارکو، که به طور موفقیت آمیز در بسیاری از سیستم ها آزمایش شده، استفاده شده تا کارآیی ظاهر تطابق پذیر یک الگوریتم مسیر یابی مدل مبنا را افزایش دهد. مسیر یابی تصویری تطابق پذیر به عنوان بک پروسه تصمیم مارکو بر اساس پارامترهای دینامیک افزایش کارآیی ساخته می شود.
:: برچسب‌ها:
MDP ,
مسیر یابی تصویری ,
الگوریتم اولویت بندی شده یادگیری Q ,
پارامترهای یادگیری ,
پارامترهای دینامیک ,
Adaptive visual tracking ,
prioritized Q-learning algorithm ,
MDP-based ,
parameter learning approach ,
مقاله انگلیسی کامپیوتر با ترجمه فارسی ,
مقاله انگلیسی کامپیوتر با ترجمه ,
مقاله انگلیسی کامپیوتر ,
:: بازدید از این مطلب : 398
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0
تاریخ انتشار : دو شنبه 5 ارديبهشت 1395 |
نظرات ()
|
|
|
|
|
عضو شوید
عضویت سریع
آمار مطالب
آمار بازدید
