使用深度神经网络的强化学习
通过与未知动态环境的交互来训练深度神经网络代理
强化学习是一种目标导向的计算方法，智能体通过与未知动态环境交互来学习执行任务。在训练过程中，学习算法更新代理策略参数。学习算法的目标是找到一种最优策略，使任务期间收到的长期奖励最大化。
根据代理的类型，策略由一个或多个策略和值函数表示形式表示。你可以使用深度神经网络来实现这些表示。然后，您可以使用强化学习工具箱™软件来训练这些网络。
有关更多信息，请参见使用深度神经网络的强化学习．
主题
- 使用深度神经网络的强化学习
强化学习是一种目标导向的计算方法，计算机通过与未知动态环境交互来学习执行任务。
- 创建Simul万博1manbetxink环境和训练代理
用Simulink中建模的植物进行强化学习，训练控制器万博1manbetx®作为培训环境。
- 使用深度网络设计器创建代理，并使用图像观察进行训练
使用深度学习工具箱中的深度网络设计器应用程序创建一个强化学习代理。
- 训练DDPG Agent用图像观察摆动和平衡摆
使用基于图像的观察信号训练一个强化学习代理。
- 利用并行计算训练DQN Agent的车道保持辅助
为车道保持辅助应用训练一个强化学习代理。
- 模拟MPC控制器的车道保持辅助
训练深度神经网络来模仿模型预测控制器的行为。
特色的例子
您也可以从以下列表中选择一个网站: