主要内容
基于深度神经网络的强化学习
通过与未知动态环境交互训练深度神经网络代理
强化学习是一种目标导向的计算方法，agent通过与未知动态环境交互来学习执行任务。在训练过程中，学习算法更新agent策略参数。学习算法的目标是找到一个最优策略，使任务期间所获得的长期回报最大化。
根据代理的类型，策略由一个或多个策略和值函数表示。您可以使用深度神经网络来实现这些表示。然后，您可以使用强化学习工具箱™软件来训练这些网络。
有关更多信息，请参见基于深度神经网络的强化学习．
主题
强化学习是一种目标导向的计算方法，计算机通过与未知动态环境交互来学习执行任务。
用在Simulink中建模的对象使用强化学习训练控制器金宝app®作为培训环境。
使用深度学习工具箱™中的深度网络设计器应用程序创建一个强化学习代理。
使用基于图像的观察信号训练一个强化学习代理。
为车道保持辅助应用训练一个强化学习代理。
训练一个深度神经网络来模仿模型预测控制器的行为。
特色的例子
你也可以从以下列表中选择一个网站:
