使用深层神经网络的强化学习
通过与未知的动态环境互动来训练深神经网络代理
强化学习是一种目标指导的计算方法，代理商通过与未知的动态环境进行交互来学习执行任务。在培训期间，学习算法更新代理策略参数。学习算法的目的是找到一项最佳政策，以最大程度地利用任务期间获得的长期奖励。
根据代理的类型，该策略由一个或多个策略和价值功能表示形式表示。您可以使用深层神经网络实施这些表示。然后，您可以使用增强学习Toolbox™软件训练这些网络。
有关更多信息，请参阅使用深层神经网络的强化学习。
话题
- 使用深层神经网络的强化学习
强化学习是一种目标指导的计算方法，计算机通过与未知的动态环境进行交互来学习执行任务。
- 创建Simul万博1manbetxink环境和培训代理
使用以Simulink建模的植物使用加固学习训练控制器万博1manbetx®作为培训环境。
- 使用深网设计师创建代理，并使用图像观测来训练
使用Deep Learning Toolbox™使用Deep Network Designer应用程序创建强化学习代理。
- 训练DDPG代理以摆动和平衡摆与图像观察
使用基于图像的观察信号来训练增强学习剂。
- 使用平行计算的训练DQN代理进行车道保持辅助
培训加固学习代理，以供车道保持辅助应用。
- 模仿MPC控制器进行车道保持辅助
训练深层神经网络以模仿模型预测控制器的行为。
特色示例
您还可以从以下列表中选择一个网站：
美洲
- AméricaLatina（Español）
- 加拿大（英语）
- 美国（英语）