主要内容

rlagentinitializationOptions.

初始化强化学习代理的选项

展开所有页面

描述

使用rlagentinitializationOptions.对象为代理指定初始化选项。要创建代理，请使用特定的代理创建功能，例如rlacagent.。

创建

句法

Initopts = rlagentinitializationOptions.
Initopts = rlagentinitializationOptions（名称，值）

描述

初学者= rlagentinitializationOptions.返回一个默认选项对象，用于初始化支持默认网络的钢筋学习代理。金宝app使用初始化选项指定代理初始化参数，例如代理网络的每个隐藏层的单位数以及是否使用经常性神经网络。

例子

初学者= rlagentinitializationOptions（名称，价值的）创建初始化选项对象并设置其properties通过使用一个或多个名称值对参数。

特性

展开全部

代理网络的每个隐藏的完全连接层中的单位数，除了在网络输出之前的完全连接的图层，指定为正整数。您设置的值也适用于任何LSTM层。

例子：'numhidendenit'，64

标志使用经常性神经网络，指定为逻辑。

If you setusernn.到真的插入一个矩形,期间代理创建软件urrent LSTM layer with the output mode set to sequence in the output path of the agent networks. Policy gradient and actor-critic agents do not support recurrent neural networks. For more information on LSTM, see长期短期内存网络。

例子：'USERNN'，真实

对象功能

rlacagent. 演员 - 评论家强化学习代理
rlpgagent. 政策梯度加固学习代理
rlddpgagent. Deep deterministic policy gradient reinforcement learning agent
rldqnagent. 深度Q网加固学习代理
rlppoagent. 近端政策优化强化学习代理
rltd3agent. 双延迟深度确定性政策梯度加固学习代理
rlsacagent. 软演员 - 评论家强化学习代理
rltrpoagent. 信任区域政策优化强化学习代理

例子

全部收缩

打开直播脚本

创建代理初始化选项对象，指定隐藏神经元的数量和经常性神经网络的使用。

Initopts = rlagentinitializationOptions（'numhidandenit'，64，'USERNN'，真的）
Initopts =具有属性的rlagentinitializationOptions：numhiddentunit：64 Usernn：1

您可以使用点表示法修改选项。例如，将代理采样时间设置为0.5。

Initopts.numhidendendunit = 128.
Initopts =具有属性的rlagentinitializationOptions：numhiddentunit：128 Usernn：1

也可以看看

|

话题

在R2020B中介绍

强化学习工具箱文档

金宝app

用Matlab和Simulink加强学习金宝app

用Matlab和Simulink加强学习金宝app

下载电子书