【摘 要】
:
在RoboCup Keepaway中,球员使用强化学习能获得很好的高层策略。然而由于Keepaway任务的状态空间巨大,强化学习需要探索很多步才能收敛,学习过程十分耗时。针对这一问题,对于
论文部分内容阅读
在RoboCup Keepaway中,球员使用强化学习能获得很好的高层策略。然而由于Keepaway任务的状态空间巨大,强化学习需要探索很多步才能收敛,学习过程十分耗时。针对这一问题,对于5v4规模的Keepaway任务,将策略重用技术应用于抢球球员高层决策的强化学习中,以实现迁移学习。首先合理设计了球员在4v3和5v4任务间的迁移学习方案及状态与动作空间的映射,然后提出了基于策略重用的迁移学习算法。实验表明,对于5v4任务,在训练时间约束下,迁移学习比强化学习获得了更短的任务完成时间和更高的抢断成功率,
其他文献
南疆铁路电源及环境集中监控系统一种基于SDH光纤通信网络的监控系统,开发和完善这样一个网络管理系统需要涉及到包括网络通信技术、信息系统技术、数据库技术以及现代软件开
基于H.264特有的1/4像素精度运动估计,提出一种改进的mH.264运动估计信息隐藏算法。通过修改宏块中每个分割块的最佳匹配位置,利用分割块匹配位置与待嵌二进制信息之间的映射
主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特征。基于此,提出一种拓展的PCA人脸识别方法,即分块排序PCA人脸识别方法(MSPCA)。分块排序PCA方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用PCA方法求出矩阵的所有特征值所对应的特征向量并加以标识;然后找出这些所有的特征值
介绍了一种智能型飞机电源启动性能检测系统的功能及工作原理,给出了硬件电路的设计及软件流程,实现了飞机启动大功率电源输出性能的现场测试与维护.
针对虚拟网络映射中的资源分配问题,通过建立双网同步搜索映射模型,采用普里姆最小生成树算法思想,同步搜索虚拟网络中的待映射虚拟节点和物理网络中的可映射物理节点,将相邻
首先给出了C3和C4空间中由量子游走组成的非确定型量子程序的概念,其次讨论了它们从初态运行时在不同的测量算子下的可达集合、终止集合和发散集合。研究表明:非确定型量子程序的终止、发散和可达集合、发散集合与选取的测量算子有密切的关系。程序在不同测量算子作用下从同一个初态运行时可能终止,也可能发散;并且,同一个初态的可达集合中终态和发散态共存。
为了验证AODV协议在渔船超短波自组网中的可行性并研究它的工作性能,使用OPNET仿真软件,选择数据包投递率、平均时延、归一化路由开销和平均跳数这4个衡量指标对AODV路由协议
模式匹配是数据空间、语义Web等热点研究领域的一个关键问题。已有的研究成果以元素为操作对象,通过元素的自身信息、结构信息和数据信息等来获取元素语义并选取语义相近的元
物联网中存在射频识别设备、传感器、智能嵌入设备等数目众多的异质设备,运行着用于标识、感知、处理和传送信息的各类服务,因而存在大量、非连续且时间敏感的数据。这类数据
基于输电线路状态监测的通信特点和应用需求,分析电力光载无线通信系统的局限性,提出光载无线和无线多跳相结合的分层混合组网架构。考虑到输电场景的链式组网特点,为保证通