1) Reinforcing learnig
再励厉学习
2) reinforcement learning
再励学习
1.
Heuristic reinforcement learning for symmetric and asymmetric multi-agent systems;
对称和非对称的启发式多Agent再励学习方法
2.
Fighter safe landing lateral-directional control based on reinforcement learning;
基于再励学习的歼击机安全着陆横侧向协调控制
3.
Design of the controller based on reinforcement learning and its application on truck backer-upper;
基于模糊神经网络再励学习控制器设计及其在倒车模型中的应用
3) reinforcement learning control
再励学习控制
1.
A new intelligent optimized dispatching method is proposed, and reinforcement learning control is applied in elevator group control system, in which CMAC neural network based on traffic pattern recognition is designed as the controller, in order to optimize the passengers’ average waiting time.
提出一种新的智能优化调度方法,将再励学习控制运用到电梯群控系统中,采用基于交通模式识别的小脑模型神经网络作为控制器,以乘客平均候梯时间最短为控制目标设计出电梯群控系统的控制方案。
4) associative reinforcement learning
联想再励学习
5) Hierarchical RL
递阶再励学习
6) T-S fuzzy reinforcement learning net
TS模糊再励学习网络
补充资料：部分学习与整体学习
部分学习与整体学习
part learning and whole learning
部分学习与整体学习(part learningand whole learning)在运动学习和记忆学习中，根据对学习内容的处理方式可以分成部分学习和整体学习。部分学习就是将材料分成几个部分，每次学习一个部分:整体学习就是每次学习整个材料。一般来讲，整体学习的效果优于部分学习。但是，课题复杂彼此没有意义联系的材料，用部分学习的效果好:课题简短或具有意义联系的材料，用整体学习的效果好。在进行学习时，可以将部分学习与整体学习结合起来，先进行整体学习再进行部分学习，或者相反。这种相互结合的学习方式叫做综合学习，效果更好些。 (周国帕撰成立夫审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条