Videos de Conceptos Relacionados
Cognitive Learning
E. C. Tolman's theory of purposive behavior emphasizes that much behavior is goal-directed. He argued that to understand behavior, we must look at the entire sequence of actions leading to a goal. For instance, high school students study hard, not just due to past reinforcement but also to achieve the goal of getting into a good college.
Tolman introduced the idea that behavior is influenced by...
Cognitive Dissonance
Reinforcement
Positive reinforcement occurs when a behavior is followed by the presentation of a rewarding stimulus, increasing the frequency of that behavior. For example:
Short-distance Transport of Resources
Reinforcements in Concrete
Corrosion of Reinforcement
However, over time and under certain conditions like carbonation, chloride ingress, and cracking this protective state can be compromised. Steel has areas with...
También podría leer
Artículos Relacionados
Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.
Multiscale interface engineering in biohybrid composites for biomedical applications.
DSTF-GKAN: A lightweight spatiotemporal fusion framework for real-time eavesdropping detection in dynamic smart grid networks.
Corrigendum to "Astragulus embranaceus (Fisch.) Bge-Dioscorea opposita Thunb herb pair ameliorates sarcopenia in senile type 2 diabetes mellitus through Rab5a/mTOR-mediated mitochondrial dysfunction" [J. Ethnopharmacol. 317 (2023) 116737].
Traditional Chinese medicine in cerebral infarction: Integrative strategies and future directions.
Ursolic acid attenuates sarcopenia through IL-17a-related gut-muscle axis in senile diabetic mice and myotube model.
Advanced Modular Honeycombs with Biomimetic Density Gradients for Superior Energy Dissipation.
Therapeutic potential of crude protein extracts from two Egyptian freshwater snails Lanistes carinatus and Bellamya unicolor.
Microbial contamination of donor corneas and post-keratoplasty endophthalmitis: a comparison between Japanese and U.S. eye banks using cold storage.
Prevalence and contributing factors of virological non-suppression among adult patients on first-line antiretroviral therapy in tertiary hospitals in Ethiopia.
An in vitro comparison of color stability between alkasite and different restorative materials in various staining solutions.
Toward accessible mRNA LNP formulation: systematic evaluation of mixing strategies and key parameters.
A network analysis of personality traits, mentalizing, and psychological health in Chinese college students.
Video Experimental Relacionado
Updated: Feb 9, 2026

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
Un método de asignación de recursos del internet cognitivo de las cosas basado en un algoritmo de aprendizaje por
Rong Wang1, Yanjin Shen1, Dongtao Wang2
1Hunan Automotive Engineering Vocational University, Zhuzhou, 412000, China.
Este estudio optimiza la asignación de recursos para el Internet cognitivo de las cosas (CIoT) en vehículos para minimizar la Edad de la Información (AoI). El algoritmo mejorado de optimización de políticas proximal multiagente (IMAPPO) reduce significativamente la latencia de los datos para los vehículos conectados.
Área de la Ciencia:
- Comunicaciones inalámbricas
- Internet de las cosas
- Inteligencia artificial
Sus antecedentes:
- La comunicación entre vehículos se enfrenta a desafíos de acceso dinámico al espectro y condiciones del canal.
- La puntualidad es fundamental para las redes de vehículos de alta velocidad, lo que convierte a la Edad de la Información (AoI) en una métrica de rendimiento clave.
Objetivo del estudio:
- Minimizar la Edad de la Información (AoI) en redes de Internet cognitivo de las cosas (CIoT) para vehículos.
- Abordar la selección conjunta de canales y el control de potencia para la asignación de recursos bajo movilidad de alta velocidad.
Principales métodos:
- Modelar el problema como un Proceso de Decisión de Markov (MDP) con una función de recompensa personalizada.
- Emplear un enfoque de aprendizaje por refuerzo multiagente con vehículos como agentes.
- Proponer un algoritmo mejorado de Optimización de Políticas Proximal Multiagente (IMAPPO) con redes Actor mejoradas para espacios de acción híbridos.
Principales resultados:
- El algoritmo IMAPPO propuesto gestiona eficazmente la asignación de recursos en entornos vehiculares dinámicos.
- Las simulaciones confirman la viabilidad y eficacia del algoritmo para reducir la AoI del sistema.
- El esquema de asignación de recursos CIoT supera significativamente a los métodos alternativos para reducir la AoI de los usuarios de vehículos.
Conclusiones:
- El algoritmo IMAPPO proporciona una solución eficaz para la asignación de recursos en redes vehiculares CIoT.
- La optimización de la AoI es crucial para aplicaciones en tiempo real en vehículos conectados y autónomos.
- Esta investigación avanza la gestión inteligente de recursos para futuros sistemas de comunicación vehicular.

