Emmanouil Tzorakoleftherakis, MathWorks
使用Reinforcement Learning Toolbox™和DQN算法对一个简单的钟摆进行基于图像的反演。该工作流包括以下步骤:1)创建环境,2)指定策略表示,3)创建代理,4)培训代理,以及5)验证训练的策略。
所提供的钟摆环境有预先的观察、行动和奖励。动作包括5个可能的扭矩值,观察包括一个50x50灰度图像和钟摆的角速率,奖励是期望的向上位置的距离。学习如何使用Deep Network Designer app构建q函数的神经网络表示,DQN agent使用q函数来近似长期奖励。
看看如何在训练中可视化摆锤的行为,并监控训练进度。培训完成后,在模拟中验证政策,以决定是否需要进一步培训。
您也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳的网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。