Low Complexity and Scalable Architecture of Dual-Mode Training and Inference Hardware Accelerator for Deep Q-Network (DQN) Based Edge Computing

Reinforcement Learning (RL) has shown great potential in a wide range of applications, including robotics, autonomous vehicles, and communication systems. However, deploying RL on edge devices poses significant challenges due to limited computational resources and the complexity of real-time decisio...

முழு விளக்கம்

நூற்பட்டியல் விவரங்கள்

முதன்மை ஆசிரியர்கள்:	A. Sumarudin, Nana Sutisna, Infall Syafalni, Bambang Riyanto Trilaksono, Trio Adiono
வடிவம்:	Artigo
மொழி:	Inglês
வெளியிடப்பட்டது:	IEEE 2025-01-01
தொடர்:	IEEE Access
பொருள்கள்:	AI accelerator deep Q-network (DQN) edge computing FPGA reinforcement learning
ஆன்லைன் அணுகல்:	https://ieeexplore.ieee.org/document/10971177/
குறிச்சொற்கள்:	குறிச்சொல்லை சேர்க்கவும் டாக்‌ஸ் இல்லை, இந்த பதிவுக்கு குறிச்சொல் சேர்க்கும் முதல் நபராக இருங்கள்!