加固学习工具箱
Diseño y entrenamiento de políticas con强化学习
钢筋学习工具箱™proporciona una应用程序，Funciones y联合国bloque de simulink万博1manbetx®para entrenar políticas usando algoritmos de reinforcement learning, tales como DQN, PPO, SAC y DDPG。Estas políticas se pueden emplea para implementcontrolors y algoritmos de toma de recursos para applications aciaciones complejas, tales como asignación de recursos, robótica y sistemas autónomos。
Esta工具箱允许代表políticas y函数的valores usando redes neuronales profundas tablas búsqueda, y entrenarlas a través在MATLAB中的相互作用模型®o模万博1manbetx型。我们要评估强化学习的算法在工具箱中的单主体和多主体之间的比例。在hiperparámetros上进行配置实验，并监督其他类似的交互形式的程序través应用程序或programática。在CPU、GPU、集群(并行计算工具箱™和MATLAB并行服务器™)中，可能会出现并行模拟。
EL Formato Onnx™渗透物ImportarPolíticas存在于Partir de Marcos de Deep Leach Como Tensorflow™Keras Y Pytorch（Con Deep Learning Toolbox™）。puede generarcódigoc，c ++ y cuda®Optimizado para desplegar laspolíticasentrenadas en microcontrozores y gpu。Los Ejemertos de Referencia de Esta Toolbox LeAyudarán是Inicar Sus Proyectos。
MásfiginaCión：
Algoritmos de Aprendizaje Por Refuerzo
Cree Agentes Con Deep Q-Network（DQN），深度确定性政策梯度（DDPG），近端策略优化（PPO）Y OTROS algoritmos Integrados。ilitue plantillas para desarrollar agents performatizados para entrenarpolíticas。
在强化学习工具箱中分解的算法。
APP强化学习设计师
Diseñe，entrene y Simule Interactivamente Agentes De Creenfilcilt Learning。Exporte Agentes entrenados a matlab para su destrior uso y despliegue。
Representación de funciones de valores y políticas conredes neuronales profundas
Para Sistemas Complejos Con Grandes Espacios de Estado-Acción，DefinaPolíticasde Redes Neuralales Profiddas de FormaProgramática，Con Capas de深度学习工具箱，形式互动深层网络设计师。Si lo Prefiere，Puede Utherizar la Arquitectura de Red Predeterminada Sugerida Por La Toolbox。无数型LaPolítica利默埃尔·奥尔提卡·艾米特卡尼翁帕拉阿·埃尔·埃尔·埃伦塔诺省。Importe y overtore models Onnx Para Permil La Interoperabilidad Con Otros Marcos de Deep Learning。
钢筋学习Monoagente Y Multiagente en Simulink万博1manbetx
Cree Y entreNe Agentes De Creenfilcine学习EN Simulink 万博1manbetxCon El Bloque RL代理。Entrene Varios Agenes同时（钢筋学习Multiagente）enimulink Utilizando varias Instancias 万博1manbetxdel Bloque RL代理。
block RL Agent de S万博1manbetximulink。
在Simulink和Si万博1manbetxmscape中
Usilice 万博1manbetxSimulink Y Simscape™Para Crear Un Modelo de Un Entorno。especifique lasseñalesdeneamedación，acciónyrecompensa en el modelo。
机器人仿真模型bípedo。万博1manbetx
Entornos de Matlab.
utilice funciones y clases de matlab para modelar联合国entorno。especifique las Variables deneampención，acciónyrecompensa en el Archivo de Matlab。
Entorno de Matlab Para Un Cohete de Tres Grados de Libertad。
Cálculo distribuido y aceleración multinúcleo
Para Acelerar El Entrenamiento，Ejecute Simulaciones Paralelas en EquiposMultinúcleo，recursos en La Nube o ClustersdeCálculoUsando并行计算工具箱yMATLAB并行服务器。
Aceleracióndel entrenamientoconcálculoparalelo。
Aceleracion GPU运动
我们可以通过GPU NVIDIA来推断神经元的深度®德阿尔托·雷密维耶托。PUEDE Utherizar Matlab Con Paralling Computing Toolbox Y LaMayoríaDeLASGPU NVIDIA Habilitadas Para Cuda Con UNA CompuidaddeCálculo3.0 o优越。
我们想和GPU合作。
WeneracióndeCódigo
用途GPU编码器™para generar código CUDA optimizado的código的MATLAB的一部分，它表示的内容。Genere código C/ c++ conMatlab Coder™Para DesplegarPolíticas。
GeneracióndeCódigoCUDA CON GPU编码器。
Soporte de matlab编译器
用途MATLAB编译器™yMATLAB编译器SDK™para desplegar políticas entrenadas como aplicaciones independentes, librerías C/ c++ compartidas, ensamblados Microsoft®.NET, Java类®y paquetes de python®。
empaquetado y uso compartido depolíticascomo程序队的独立。
首先出来的
descubracómodesarrollarpolíticasde加强救生员帕拉题说脚轮Invertir unPéndulosumply，Navegar en entorno de Grid-world，equilibrar联合国PénduloInvertido，y rescesvercovesos dedecisiónGegéricosdemarkov。
Conduccion自治
DiseñePolíticasDeConcuccioneDeConcucciónAutónoma，Tales Como Control de Crucero Adaptivo，Asistencia de Mantaciono De Carril Y Estacionamiento AutomatoAutomático。
罗杰蒂卡
DiseñePolíticasde加固学习Para Aplicaciones deRobótica。
调整，calibración y planificación
DiseñePolíticasDe加固学习帕拉APLICACIONES DE AJUSTE，CalibriónyPranificación。
问题德尼奥尼尼ó·雷科斯帕拉迪·迪阿迪翁·迪阿瓦省。
recurso项目del producto:
意德vídeos清醒强化学习
AprendaMásSobre加固学习Con Esta SeriedeVídeos。
