|
|
强化学习是机器学习的一种，可以解决一些传统技术很难解决的控制系统问题。该系列视频将介绍强化问题的基础知识，以及它与传统控制技术的不同之处，也将说明为什么使用神经网络来表示未知函数，以及智能体如何使用来自环境的奖励来训练神经网络。
通过学习本系列视频，您将更好地了解以下问题：
- 什么是强化学习，为什么在解决控制问题时应该考虑它？
- 如何设置和解决强化学习问题？
- 与传统的控制方法相比，强化学习有哪些优点和缺点？
视频列表&简介如下：
- 什么是强化学习：从工程师的角度全面了解强化学习。 强化学习是一种机器学习，有潜力解决一些非常困难的控制问题。
- 了解环境与奖励：在本视频中，我们通过探索工作流来建立对强化学习的基本理解。 什么是环境？奖励函数如何激励智能体？如何构建策略？
- 策略和学习算法：本视频介绍了智能体内置的算法。 我们将介绍为什么使用神经网络来表示函数，以及为什么在使用actor-critic这一强大方法家族时，您需要设置两个神经网络。
- 行走机器人示例：本视频展示了如何使用强化学习工作流使双足机器人行走，以及如何设定强化学习（RL）问题，通过在设计过程中加入参考信号，使其看起来更像一个传统的控制问题。
- 克服强化学习中的实际问题：在生产系统中使用强化学习时会遇到一些挑战，会有一些相应的解决方法。本视频介绍了在验证所学解决方案时会遇到的困难以及您可以采取的措施。
点击此处可下载《使用 MATLAB 和 Simulink 进行强化学习》电子书（中文）。
回复本帖即可观看视频：
|
|
[复制链接]
/5 
发表于 2020-10-26 15:06:37
微信
QQ好友和群
收藏
分享
发表于 2020-10-26 15:31:09
