#4.3_DQN_思维决策_using_Tensorflow_(强化学习_Reinforcement_Learning_教学)
2021-09-01 21:00:17
52.49MB
#4.2_DQN_神经网络_using_Tensorflow_(强化学习_Reinforcement_Learning_教学)
2021-09-01 21:00:15
25.98MB
#4.1_DQN_算法更新_using_Tensorflow_(强化学习_Reinforcement_Learning_教学)
2021-09-01 21:00:13
15.67MB
#3.3_Sarsa(lambda)__(强化学习_Reinforcement_Learning_教学)
2021-09-01 21:00:10
24.27MB
#3.2_Sarsa_思维决策__(强化学习_Reinforcement_Learning_教学)
2021-09-01 21:00:09
18.89MB
#3.1_Sarsa_算法更新__(强化学习_Reinforcement_Learning_教学)
2021-09-01 21:00:07
12.89MB
逆强化学习配套专栏2-最大熵学习的会议论文-presentation的PPT，含paper的主要思想和公式
2021-09-01 14:13:16
180KB
1
概括： * 此代码随附于题为“阀门控制的强化学习”的论文https://doi.org/10.1016/j.mlwa.2021.100030 * 该论文探讨了 RL 对非线性系统的优化控制* 平台：MATLAB 的强化学习工具箱（R2019a 版）和 Simulink * 运行 `main.m` 以执行测试运行以确保代码正常工作。 它依次运行4个代码文件。 它将训练一个只有 100 集的代理，将其存储在 `\results` 文件夹中，根据 PID 对其进行验证，执行稳定性分析（在现有的传递函数数据文件上，存储在 `\data` 文件夹中）并生成绘图和将它们存储在\ results文件夹中。
#### 训练 RL 控制器： * `code_DDPG_Training.m`：使用DDPG以分阶段方式训练代理的训练代码。 使用 sm_DDPG_Training_Circuit.slx。 该
2021-08-30 10:55:08
5.86MB
1