Обучение и валидация

Обучите и моделируйте агенты изучения укрепления

Чтобы изучить оптимальную политику, агент изучения укрепления взаимодействует со средой посредством повторного эмпирического процесса. Во время обучения агент настраивает параметры своего представления политики, чтобы максимизировать долгосрочное вознаграждение. Программное обеспечение Reinforcement Learning Toolbox™ обеспечивает функции для учебных агентов и проверки учебных результатов посредством симуляции. Для получения дополнительной информации смотрите, что Укрепление Train Изучает Агенты.

Функции

`train`	Обучите агент изучения укрепления в заданной среде
`rlTrainingOptions`	Опции для учебных агентов изучения укрепления
`sim`	Моделируйте обученный агент изучения укрепления в заданной среде
`rlSimulationOptions`	Опции для симуляции среды обучения укрепления

Блоки

RL Agent

Агент изучения укрепления

Темы

Обучение и основы симуляции

Обучите агенты изучения укрепления

Найдите оптимальную политику по образованию вашим агентом в заданной среде.

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.

Параллельные вычисления

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 агенты в средах MATLAB

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 агенты в окружениях Simulink

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™.