Anwendungen des maschinellen Lernens in UAVs

In diesem Buch werden die Auswirkungen verschiedener Faktoren wie Lernrate, Abzinsungsfaktor und Epsilon auf die Fähigkeit der Drohne, von der Quelle zum Ziel zu navigieren, beschrieben. Je höher der Wert der Lernrate ist, desto schneller lernt die Drohne, aber es besteht die Gefahr, dass sie eher oszilliert als konvergiert, und bei einem niedrigeren Wert der Lernrate lernt die Drohne langsam, konvergiert aber stetig. Die Arbeit in diesem Buch konzentriert sich hauptsächlich auf die Implementierung der RL-Algorithmen für kleinere Gebiete. Für größere, komplexe Gebiete sind diese Algorithmen weniger effizient, so dass Deep Reinforcement Learning in Zukunft eingesetzt werden kann, um UAVs effizienter für den Einsatz in der Praxis zu machen.

Autorentext

Dr. Payal Bansal hat ein Diplom, einen B.E.-, einen M.Tech- und einen Ph.D.-Abschluss auf dem Gebiet der Elektronik und Kommunikationstechnik. Sie verfügt über mehr als 15 Jahre Lehrerfahrung in renommierten Organisationen. In ihrer beruflichen Laufbahn hat sie mit namhaften Organisationen zusammengearbeitet. In ihrer Forschung leistete sie einen bemerkenswerten Forschungsbeitrag.