大規(guī)模強(qiáng)化學(xué)習(xí)中的新型函數(shù)近似技術(shù)研究

定　價(jià)：￥42.00

作　者：	吳澄編著
出版社：	蘇州大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥31.50)

ISBN：	9787567249363	出版時(shí)間：	2024-09-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書主要研究如何通過新型函數(shù)近似技術(shù)提升大規(guī)模強(qiáng)化學(xué)習(xí)器的性能。本書首先分析了傳統(tǒng)的函數(shù)近似技術(shù)，如Tile編碼與Kanerva編碼在處理大規(guī)模問題性能不佳的原因，即原型沖突與不均勻的原型訪問頻率分布。為了解決這些問題，本書分別應(yīng)用自適應(yīng)Kanerva函數(shù)近似、模糊邏輯函數(shù)近似與基于粗糙集的函數(shù)近似等方法對強(qiáng)化學(xué)習(xí)中的函數(shù)近似方法進(jìn)行改進(jìn)。本書還將以上函數(shù)近似方法分別應(yīng)用于強(qiáng)化學(xué)習(xí)中不同難度的捕食者－獵物追逐問題與認(rèn)知無線電網(wǎng)絡(luò)應(yīng)用問題，以此進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：本書所提方法不僅提高了類似問題的求解率，同時(shí)減少了所需原型數(shù)量，最終顯著提高了函數(shù)近似技術(shù)解決大規(guī)模強(qiáng)化學(xué)習(xí)與多智能體問題的有效性。

作者簡介

暫缺《大規(guī)模強(qiáng)化學(xué)習(xí)中的新型函數(shù)近似技術(shù)研究》作者簡介

圖書目錄

第一章引言
第一節(jié) 強(qiáng)化學(xué)習(xí)概述
第二節(jié) 本書研究的背景和意義
第三節(jié) 強(qiáng)化學(xué)習(xí)的應(yīng)用領(lǐng)域
第二章自適應(yīng)函數(shù)近似技術(shù)
第一節(jié) 傳統(tǒng)函數(shù)近似技術(shù)的實(shí)驗(yàn)評估
第二節(jié) 訪問頻率與特征分布
第三節(jié) 基于Kanerva自適應(yīng)機(jī)制的函數(shù)逼近技術(shù)
第四節(jié) 本章小結(jié)
第三章基于模糊邏輯的函數(shù)近似技術(shù)
第一節(jié) Kanerva編碼應(yīng)用于困難實(shí)例的實(shí)驗(yàn)評估
第二節(jié) Kanerva編碼中的原型沖突
第三節(jié) 自適應(yīng)模糊Kanerva編碼
第四節(jié) 原型調(diào)整
第五節(jié) 本章小結(jié)
第四章基于粗糙集理論的函數(shù)近似技術(shù)
第一節(jié) 不同數(shù)量原型影響的實(shí)驗(yàn)評估
第二節(jié) 粗糙集和Kanerva編碼
第三節(jié) 基于粗糙集的Kanerva編碼
第四節(jié) 不同初始原型數(shù)量的影響
第五節(jié) 本章小結(jié)
第五章強(qiáng)化學(xué)習(xí)函數(shù)近似技術(shù)的應(yīng)用：認(rèn)知無線電網(wǎng)絡(luò)
第一節(jié) 概述
第二節(jié) 基于強(qiáng)化學(xué)習(xí)的認(rèn)知無線電
第三節(jié) 實(shí)驗(yàn)?zāi)M
第四節(jié) 基于強(qiáng)化學(xué)習(xí)的認(rèn)知無線電函數(shù)近似技術(shù)
第五節(jié) 本章小結(jié)
參考文獻(xiàn)