Key points are not available for this paper at this time.
ندرس بعض التعديلات على خوارزمية التكثيف. الحالة المدروسة هي تحديد موقع الروبوت المتنقل بناءً على الخصائص في بيئة كبيرة النطاق. يمكن أن يتطلب الحجم المطلوب لمجموعة العينة لجعل خوارزمية التكثيف تتقارب بشكل صحيح في العديد من الحالات حسابات كثيرة. لإدارة حجم مجموعة عينة قد يتسبب في انهيار خوارزمية التكثيف في الظروف العادية. نقوم بدراسة تعديلين. الاستراتيجية الأولى، المسماة "التكثيف مع العينة العشوائية"، تأخذ جزءًا من مجموعة العينة وتوزعها عشوائيًا على البيئة التي يعمل فيها الروبوت. الاستراتيجية الثانية، المسماة "التكثيف مع العينة المخطط لها"، تضع جزءًا من مجموعة العينة في نقاط مخططة بناءً على الخصائص المكتشفة. ومن التجارب نستنتج أن الاستراتيجية الثانية هي الأفضل ويمكن أن تقلل من حجم مجموعة العينة بمعدل لا يقل عن 40.
درس ينسفلت وآخرون (الخميس) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: