【摘 要】
：
针对非线性系统控制中具有的连续状态和未知系统模型的问题,提出一种基于ET-RBF（资格迹和径向基函数）的Sarsa学习控制策略.由于经典强化学习在面临连续状态空间的泛化时会出现
【机 构】
：
中国矿业大学计算机科学与技术学院,中国科学院计算技术研究所智能信息处理重点实验室
论文部分内容阅读
针对非线性系统控制中具有的连续状态和未知系统模型的问题,提出一种基于ET-RBF（资格迹和径向基函数）的Sarsa学习控制策略.由于经典强化学习在面临连续状态空间的泛化时会出现的＂维数灾难＂问题,本文利用RBF（Radial Basis Function）网络良好的动态特性及泛化能力,实现状态—动作对的在线估计,同时借鉴TD（λ）算法中的资格迹机制,与在线Sarsa学习结合,通过对RBF网络权值向量定义资格迹,将当前的TD Error传播至整个状态空间,保证每个输出只影响与其直接相关的权值w.由于所有被访
其他文献
目前,外墙饰面砖普遍存在不同程度脱落的质量问题.如何能完善饰面砖粘贴工艺,防止外墙饰面砖脱落呢?
该文从挂篮荷载计算、施工流程、支座及临时固结施工、挂篮安装及试验、合拢段施工、模板制作安装、钢筋安装、混凝土的浇筑及养生、测量监控等方面人手,介绍了S226海滨大桥
20世纪80年代,美国安德鲁.S.兰瑟和他的导师多米尼克.A.因范特等提出了进攻性交流的定义。即:如果一种人际之间的行为对对方身体或象征性地施加压力,则这个行为可被考虑为进
有些房屋建筑设计图纸中,靠外墙窗户设置的楼梯,斜梯段板在外窗洞口处未采取防护措施,而斜梯段板已超过窗台高度.
该文从挂篮荷载计算、施工流程、支座及临时固结施工、挂篮安装及试验、合拢段施工、模板制作安装、钢筋安装、混凝土的浇筑及养生、测量监控等方面人手,介绍了S226海滨大桥
该文从挂篮荷载计算、施工流程、支座及临时固结施工、挂篮安装及试验、合拢段施工、模板制作安装、钢筋安装、混凝土的浇筑及养生、测量监控等方面人手,介绍了S226海滨大桥
该文从挂篮荷载计算、施工流程、支座及临时固结施工、挂篮安装及试验、合拢段施工、模板制作安装、钢筋安装、混凝土的浇筑及养生、测量监控等方面人手,介绍了S226海滨大桥
该文从挂篮荷载计算、施工流程、支座及临时固结施工、挂篮安装及试验、合拢段施工、模板制作安装、钢筋安装、混凝土的浇筑及养生、测量监控等方面人手,介绍了S226海滨大桥
新闻作品是新闻工作者在一定的社会、政治、文化等语境中运用语言系统叙述与建构新闻事实的产物，是动态的再现话语。纵观现代媒体中出现的新闻通讯，在与电视，网络等新兴媒体争抢