Reinforcement Learning Toolbox — Examples

Начало работы с Reinforcement Learning Toolbox

Обучите агент изучения укрепления в основном мире сетки

Обучите Q-изучение и агенты SARSA решать мир сетки в MATLAB.

Обучите агент изучения укрепления в среде MDP

Обучите агент изучения укрепления в типичной среде процесса принятия решений Маркова.

Создайте агент окружения Simulink и Train

Обучите диспетчера, использующего укрепление, учащееся с объектом, смоделированным в Simulink как учебная среда.

Среды MATLAB

Создайте Среду MATLAB с помощью Пользовательских Функций

Создайте среду обучения укрепления путем предоставления пользовательских динамических функций.

Обучение и валидация

Обучите агент DDPG управлять летающим роботом

Обучите агент изучения укрепления управлять летающей моделью робота.

Обучите двуногого робота идти Используя агент DDPG

Обучите агент изучения укрепления управлять двуногим, обойдя робота, смоделированного в Simscape Multibody.

Обучите агент DDPG адаптивному круиз-контролю

Обучите агент изучения укрепления адаптивному приложению круиз-контроля.

Обучайтесь агент DQN для хранения маршрута помогают

Обучайтесь агент изучения укрепления для хранения маршрута помогают приложению.

Обучите агент DDPG управлению следованием траектории

Обучите агент изучения укрепления маршруту после приложения.

Обучите агент изучения укрепления в основном мире сетки

Обучите Q-изучение и агенты SARSA решать мир сетки в MATLAB.

Обучите агент изучения укрепления в среде MDP

Обучите агент изучения укрепления в типичной среде процесса принятия решений Маркова.

Создайте агент окружения Simulink и Train

Обучите агент AC балансировать полюсную корзиной систему Используя параллельные вычисления

Обучите агент критика агента с помощью асинхронных параллельных вычислений.

Обучайтесь агент DQN для хранения маршрута помогают Используя параллельные вычисления

Обучите агент изучения укрепления автоматизированному ведущему приложению с помощью параллельных вычислений.

Обучите агент DQN балансировать полюсную корзиной систему

Обучите глубокий агент Q-образовательной-сети балансировать полюсную корзиной систему, смоделированную в MATLAB.

Обучите агент DDPG управлять двойной системой интегратора

Обучите глубокий детерминированный агент градиента политики управлять динамической системой второго порядка, смоделированной в MATLAB.

Обучите агент PG балансировать полюсную корзиной систему

Обучите агент градиента политики балансировать полюсную корзиной систему, смоделированную в MATLAB.

Обучите агент PG с базовой линией управлять двойной системой интегратора

Обучите градиент политики с базовой линией управлять двойной системой интегратора, смоделированной в MATLAB.

Обучите агент AC балансировать полюсную корзиной систему

Обучите агент критика агента балансировать полюсную корзиной систему, смоделированную в MATLAB.

Обучите агент DDPG к Swing и маятнику баланса с наблюдением изображений

Обучите укрепление, изучив агент с помощью основанного на изображении сигнала наблюдения.

Создайте агент Используя Deep Network Designer и Train Используя наблюдения изображений

Создайте укрепление, изучив агент с помощью приложения Deep Network Designer от Deep Learning Toolbox.

Обучите агент DQN к Swing и маятнику баланса

Обучите Глубокий агент Q-сети балансировать маятник, смоделированный в Simulink.

Обучите агент DDPG к Swing и маятнику баланса

Обучите глубокий детерминированный агент градиента политики балансировать маятник, смоделированный в Simulink.

Обучите агент DDPG к Swing и маятнику баланса с сигналом шины

Обучите агент изучения укрепления балансировать модель Simulink маятника, которая содержит наблюдения в сигнале шины.

Обучите агент DDPG к Swing и сбалансируйте полюсную корзиной систему

Обучите глубокий детерминированный агент градиента политики качаться и балансировать полюсную корзиной систему, смоделированную в Simscape Multibody.

Обучите пользовательский агент LQR

Обучите агент, который использует пользовательский алгоритм изучения укрепления.

Документация Reinforcement Learning Toolbox

Поддержка

Сообщество Экспонента

Памятка переводчика

1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.

2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.

3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.

4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.

5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.