Scidown文献预览系统！
空间众包与感知任务分配的深度强化学习( Deep Reinforcement Learning for Task Assignment in Spatial Crowdsourcing and Sensing )
L Sun X Yu J Guo Y Yan X Yu
随着智能设备的不断普及，空间众包（Spatial Crowdsourcing,SC）作为一种新型的智能感知采集范式应运而生。任务分配作为一个核心问题，旨在将任务安排给适合不同目标的工人。然而，现有的众包方法大多是在已知任务和工作者数量的前提下进行匹配的，而由于众包参与者的动态出现，无法提前了解其到达信息。我们通过提出基于预测和自适应批处理的动态任务分配框架（DTAF-PAB）填补了这一空白。具体地说，我们首先通过一个深度学习模型门控循环单元(GRU)来预测即将到来的任务和/或工作者的数量。研究了基于Deep Q网络(DQN)和Double DQN(DDQN)的自适应批处理策略，解决了任务分配的自适应动态批处理问题。我们设计了一个基于深度强化学习(DRL)的算法来提高分配的整体效益。最后，我们利用真实世界的数据集对DTAF-PAB的竞争力进行了评估，实验结果表明，所提出的框架在预测性能和众包平台效益方面均优于现有的其他方法。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 锂离子电池正极纳米结构磷酸铵锰的合理设计下载
scidown 锂离子电池正极纳米结构磷酸铵锰的合理设计下载
scidown 基于生物模板的tio2与ag3po4复合的光催化性能研究下载