.png){kind=icon}
返回
Industrial edge computing task offloading framework driven by multimodal generative adversarial imitation learning
.png){kind=icon}
PRE
AI
DOI：10.1080/17517575.2026.2643633.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对动态工业边缘环境中获取专家策略困难及模仿学习泛化不足的痛点，本文提出了由多模态生成对抗模仿学习（GAIL-TO）驱动的计算任务卸载框架。GAIL-TO通过生成器-判别器的对抗机制从次优历史日志中学习最优策略特征，设计了时空特征融合编码器；构建了轻量级对抗训练架构，以适应资源受限设备；开发了边缘协同训练机制，利用服务器计算能力执行对抗训练，仅部署轻量级生成器于终端。该框架相较于标准IL和MADDPG展现出更优性能。
Keyword:
Multimodal
generative adversarial imitation learning
industrial edge computing
task offloading
framework
期刊
IF:
3.9
论文数:
2.8K
被引数:
1.8K
机构
引用论文
DeepMECagent: multi-agent computing resource allocation for UAV-assisted mobile edge computing in distributed IoT system.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Reinforcement Learning Methods for Computation Offloading: A Systematic Review计算卸载的强化学习方法: 系统综述
PREAI
分享收藏
查看更多内容