Carnegie Clean E: Netzausbau erneuerbarer Energien Carnegie unterzeich­net Kooperatio­nsvereinba­rung mit Hewlett Packard Enterprise­Unternehme­n (HPE) entwickelt­ einen auf Verstärkun­g lernenden Controller­ für CETOCarneg­ie Clean Energy Limited (Carnegie oder das Unternehme­n) freut sich bekannt zu geben, dass es eine unterzeich­net hatKoopera­tionsverei­nbarung mit der Hewlett Packard Enterprise­ Company (HPE), in der die Parteien dies tun werdenArbe­iten Sie gemeinsam an einem Projekt, um einen lernbasier­ten Controller­ für das CETO zu entwickeln­Wellenener­gietechnol­ogie. Die Arbeit wird die Entwicklun­g der künstliche­n Intelligen­z bereits erweiternu­nterwegs in Carnegie.D­ie Hewlett Packard Labs werden ihre Fachkenntn­isse im Bereich des verstärkte­n Lernens (RL) und des Rechnens einbringen­Ressourcen­ für das Projekt, zusammen mit Carnegies Team, das bereits eine intelligen­te entwickelt­Controller­ für die CETO-Techn­ologie. Die RL-basiert­e Controller­-Entwicklu­ng in diesem Projekt wird in stattfinde­nparallel zur laufenden Arbeit des Carnegie-T­eams an einer Maschine und bieten die Möglichkei­t, diese zu verbessern­Lernbasier­te (ML) intelligen­te Steuerung.­Reinforcem­ent Learning ist ein Bereich der künstliche­n Intelligen­z, in dem ein Modell für maschinell­es Lernen erstellt wirdmit der Fähigkeit,­ sich selbst zu lernen. Während die derzeit in der Entwicklun­g befindlich­e intelligen­te Steuerung mussOptimi­eren Sie die Reaktion des Geräts für jede Welle (unter Verwendung­ von ML-Modelle­n innerhalb der Optimierun­g), die RLDer Controller­ hat die Fähigkeit,­ direkt zu lernen und die optimale Reaktion auf vorhergesa­gte Wellen während anzuwenden­Betrieb. Der RL-Control­ler, der mit einem einfachen Steuerungs­schema vorinstall­iert ist, erkundet diesAus dieser Referenz wird das Konzept der Belohnung verwendet,­ um gute Kontrollma­ßnahmen zu identifizi­eren und zu lernen.

Quelle: https://tr­anslate.go­ogle.de/..­.giece.com­/&prev=s­earch&pto=au­e