基于大数据深度神经网络与Agent的大规模任务处理方法

打开文本图片集

摘 要：因大规模任务处理模型在处理实际任务请求通常是基于历史数据的，若总依据经验和以往知识判断，会出现许多无法识别并处理的任务，以及出现模型过拟合等问题。提出了一种基于深度神经网络的计算模型进行大规模任务部署，并引用Agent强化学习效用进行评价，实现最佳虚拟网络映射方案。实验结果表明，这种BDTard方法法能满足大规模任务请求，稳定系统长期收益，保障了大数据环境下大规模任务处理的高效执行。（剩余6593字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。