Fugu-MT 論文翻訳(概要): Reinforcement Learning for Ridesharing: A Survey

論文の概要: Reinforcement Learning for Ridesharing: A Survey

arxiv url: http://arxiv.org/abs/2105.01099v1
Date: Mon, 3 May 2021 18:09:58 GMT
ステータス: 処理完了
システム内更新日: 2021-05-05 13:06:37.449413
Title: Reinforcement Learning for Ridesharing: A Survey
Title（参考訳）: ライドシェアリングのための強化学習:調査
Authors: Zhiwei Qin, Hongtu Zhu, and Jieping Ye
Abstract要約: 本稿では,ライドシェアリング問題に対する強化学習アプローチに関する文献の包括的かつ詳細な調査について述べる。ライドシェアのマッチング、車両の配置変更、相乗り、動的価格の話題に関する論文を取り上げている。我々は,この重要な領域における強化学習研究の課題と機会について考察する。
参考スコア（独自算出の注目度）: 59.082699477231365
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, we present a comprehensive, in-depth survey of the literature on reinforcement learning approaches to ridesharing problems. Papers on the topics of rideshare matching, vehicle repositioning, ride-pooling, and dynamic pricing are covered. Popular data sets and open simulation environments are also introduced. Subsequently, we discuss a number of challenges and opportunities for reinforcement learning research on this important domain.
Abstract（参考訳）: 本稿では,相乗り問題に対する強化学習アプローチに関する文献の包括的かつ詳細な調査を行う。ライドシェアのマッチング、車両の配置変更、相乗り、動的価格の話題に関する論文を取り上げている。一般的なデータセットやオープンシミュレーション環境も導入されている。次に,この重要な領域における強化学習研究の課題と機会について考察する。

関連論文リスト

Teaching Survey Research in Software Engineering [1.2184324428571227]
我々は,教師に調査研究を教えるための潜在的シラバスを提供する。それぞれの学習目標に関連するトピックをどう教えるかについて、実践的なアドバイスを提供する。この章は、コース全体をカバーするスライドを含む、オンラインの教育リソースによって補完されている。
論文参考訳（メタデータ） (2024-07-30T18:38:59Z)
A Comprehensive Survey on Deep-Learning-based Vehicle Re-Identification: Models, Data Sets and Challenges [1.3965477771846408]
車両再識別(ReID)は、様々な交通環境にまたがる分散カメラネットワークから収集された車両画像の関連付けを目的としている。本稿では,車載ReIDに適用したディープラーニング技術について概説する。これらの手法の分類について概説し、教師なしのアプローチを包含し、これらのカテゴリ内の既存の研究を精査し、データセットと評価基準を導入し、今後の課題と潜在的研究の方向性を説明する。
論文参考訳（メタデータ） (2024-01-19T11:45:10Z)
Foundations of Reinforcement Learning and Interactive Decision Making [81.76863968810423]
本稿では,頻度主義的アプローチとベイズ的アプローチを用いた探索・探索ジレンマに対処するための統一的な枠組みを提案する。ニューラルネットワークのような近似とフレキシブルなモデルクラスを機能させるために特別な注意が払われる。
論文参考訳（メタデータ） (2023-12-27T21:58:45Z)
Federated Learning for Generalization, Robustness, Fairness: A Survey and Benchmark [55.898771405172155]
フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
論文参考訳（メタデータ） (2023-11-12T06:32:30Z)
A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
蓄積とは、以前に獲得した知識の喪失または劣化を指す。フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
論文参考訳（メタデータ） (2023-07-16T16:27:58Z)
A Comprehensive Survey on Relation Extraction: Recent Advances and New Frontiers [76.51245425667845]
関係抽出(RE)は、基礎となるコンテンツからエンティティ間の関係を識別する。ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。この調査は、現実世界のREシステムの課題に対処するための研究者の協力的な取り組みを促進することが期待されている。
論文参考訳（メタデータ） (2023-06-03T08:39:25Z)
A Survey of Machine Learning-Based Ride-Hailing Planning [9.928073494684483]
本稿では,機械学習による配車計画の最新動向について概観する。私たちは、機械学習ベースの配車計画戦略に関する実証的研究に欠かせない、多くの実世界のデータセットとシミュレータに光を当てました。
論文参考訳（メタデータ） (2023-03-26T07:21:03Z)
Applications of deep learning in traffic congestion alleviation: A survey [7.042262346669582]
渋滞に関する予測タスクは、輸送ネットワークのサービスレベルを改善することを目的としている。より高解像度のデータセットへのアクセスの増加に伴い、このような予測タスクにおけるディープラーニングの関連性が高まっている。本稿では,渋滞の検出,予測,伝播に関わるタスクにおけるディープラーニング応用の現状について述べる。
論文参考訳（メタデータ） (2021-02-19T06:23:35Z)
Vehicular Cooperative Perception Through Action Branching and Federated Reinforcement Learning [101.64598586454571]
強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
論文参考訳（メタデータ） (2020-12-07T02:09:15Z)
Deep Learning on Traffic Prediction: Methods, Analysis and Future Directions [32.25707921285397]
本稿では,複数の観点からの交通予測における深層学習に基づくアプローチに関する包括的調査を行う。まず,既存の交通予測手法を要約し,分類について述べる。第2に、異なるトラフィック予測アプリケーションにおける最先端のアプローチをリストアップする。
論文参考訳（メタデータ） (2020-04-18T08:28:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。