El Internet de las Cosas por Satélite (S-IoT), que integra redes satelitales con IoT, es un nuevo Internet móvil que proporciona servicios para redes sociales. Sin embargo, afectado por los cambios dinámicos de la estructura de topología y el estado de los nodos, el reenvío eficiente y seguro de paquetes de datos en S-IoT es un desafío. Ante el problema mencionado anteriormente, este artículo propone una estrategia de enrutamiento adaptativo basada en un doble aprendizaje Q mejorado para S-IoT. En primer lugar, se considera que todo el S-IoT es un entorno de aprendizaje por refuerzo, y los nodos satelitales y terrestres en S-IoT son considerados agentes inteligentes. Cada nodo en el S-IoT mantiene dos tablas, que se utilizan para seleccionar el nodo de reenvío y para evaluar el valor de reenvío, respectivamente. Además, el nodo siguiente de los paquetes de datos se determina en función del valor mixto. En segundo lugar, para
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Aprendizaje por refuerzo para juegos de Stackelberg de coordinación de interferencia en redes celulares heterogéneas
Artículo:
Certificación del flujo de control adaptable a la granularidad basada en NSGA-II
Artículo:
Clasificación de calidad de baterías de litio en redes de microrredes basada en el modelo exponencial complejo localizado suave.
Artículo:
Detección de acoso cibernético en datos multimodales utilizando arquitecturas de aprendizaje profundo pre-entrenado
Artículo:
Diseño de una herramienta de simulación para el análisis del rendimiento de redes de centros de datos híbridos (DCNs).
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Libro:
Ergonomía en los sistemas de trabajo