2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、在強(qiáng)化學(xué)習(xí)中,機(jī)器人對環(huán)境做出動(dòng)作并從環(huán)境得到回報(bào),相應(yīng)于不同的動(dòng)作,環(huán)境給予的回報(bào)值有所不同,通過對到達(dá)目標(biāo)點(diǎn)所作一系列動(dòng)作的回報(bào)值不斷強(qiáng)化,機(jī)器人能夠?qū)W到從內(nèi)部狀態(tài)到動(dòng)作的映射,即學(xué)到?jīng)Q策過程。強(qiáng)化學(xué)習(xí)由于是在機(jī)器人行動(dòng)過程中進(jìn)行學(xué)習(xí),因而具有在線性,并且由于該學(xué)習(xí)方法不需要外界指導(dǎo),因而又具有無導(dǎo)師性,由于這兩種特性使得強(qiáng)化學(xué)習(xí)廣泛應(yīng)用于序列化的行為任務(wù)中,比如機(jī)器人路徑規(guī)劃等。
  對于解決馬爾可夫決策過程(MDP)中的Q

2、算法,本文給出了一種新的回報(bào)值設(shè)定方法,即將各狀態(tài)的回報(bào)值進(jìn)行綜合分類。通過該方法,機(jī)器人可以獲得更準(zhǔn)確的回報(bào)值,從而使回報(bào)值對于動(dòng)作的評價(jià)更準(zhǔn)確,并將該算法應(yīng)用于障礙物環(huán)境中,實(shí)驗(yàn)結(jié)果表明,該算法可以獲得更好的效果。
  在部分觀測馬爾可夫決策過程(POMDP)中,因?yàn)橄到y(tǒng)無法完全感知環(huán)境狀態(tài)信息,應(yīng)用于馬爾可夫決策過程的強(qiáng)化學(xué)習(xí)算法就不能得到精確解,比如POMDP問題中的感知混淆問題。本文給出了一種改進(jìn)的基于短期記憶的學(xué)習(xí)方法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論