3.5 Kết quả minh họa
Bài toán được đưa ra nhằm giải quyết 2 vấn đề : Năng lượng bị hạn chế của các AV, Độ trễ từ các AV-BS lớn.
Nên em đưa ra mơ hình để phân tích tham số đầu vào và đầu ra của hệ thống:
Dưới đây là kết quả minh họa em tham khảo của một bài báo về tác động của số mẫu được đào tạo đối với việc quyết định giảm tải nhị phân và phân bổ tài ngun tính tốn hồi quy MSE được thể hiện trong hình 31.Ngồi ra em so sánh giữa thuật toán học tập đa nhiệm MTL và thuật tốn ràng buộc SBB. Cuối cùng trong hình 33 với 1 lượng lớn các hình ảnh dữ liệu xấu tức nhiều hình ảnh được chụp với chất lượng xấu thì sự phụ thuộc của các chi phí có trọng số sẽ biến thiên như nào?
Trong tiểu mục này, trước tiên em đánh giá trong Hình 31 tác động của số lượng mẫu được đào tạo về độ chính xác suy luận của mơ hình MTL, trong đó
χ c = χ r = 1.
Độ chính xác của suy luận được định nghĩa là tỷ lệ của số dự đoán đúng vào tổng số dự đốn. Chúng ta tạo ra 4 × 104 dữ liệu mẫu bằng cách duyệt qua các kết hợp của nhị phân quyết định giảm tải và phân bổ tài ngun tính tốn tỷ lệ với thuật tốn tìm kiếm đầy đủ. Trong Hình 32, chúng ta so sánh độ chính xác của mơ hình MTL được đề xuất với của nhánh khơng gian thơng thường và thuật tốn ràng buộc (sBB), trong đó χ c = 0 và χ r = 1 khi số AV lớn hơn hơn 5 và tỷ lệ phần trăm các mẫu đào tạo trong mơ hình MTL là 1. Sau đó, chúng tơi điều tra trong Hình 33 tác động của "xấu" tỷ lệ dữ liệu (được biểu thị là η) trên tổng chi phí có trọng số (được định nghĩa là tổng trọng số của độ trễ và mức tiêu thụ năng lượng của tất cả AV) sử dụng các chiến lược suy luận khác nhau trong hệ thống lái xe.