基于内部回归神经网络的强化学习
来源期刊：控制工程2005年第2期
论文作者：王瑞霞 孙亮 阮晓刚
文章页码：138 - 301
关键词：强化学习;内部回归神经网络;倒立摆;
摘 要：在强化学习和动态规划算法的基础上,提出一种不需要预测模型的改进的强化学习算法。该学习算法在模型未知和没有先验经验的条件下,能通过自身神经网络的在线学习,有效控制不稳定的非线性系统。该学习算法的网络结构采用内部回归神经网络,这样可以增强网络本身处理动态信息的能力,使其更适合复杂系统的稳定控制。应用到一级倒立摆物理实体的控制,实验结果表明了该学习算法在性能上优于其他同类强化学习算法。
王瑞霞，孙亮，阮晓刚
摘 要：在强化学习和动态规划算法的基础上,提出一种不需要预测模型的改进的强化学习算法。该学习算法在模型未知和没有先验经验的条件下,能通过自身神经网络的在线学习,有效控制不稳定的非线性系统。该学习算法的网络结构采用内部回归神经网络,这样可以增强网络本身处理动态信息的能力,使其更适合复杂系统的稳定控制。应用到一级倒立摆物理实体的控制,实验结果表明了该学习算法在性能上优于其他同类强化学习算法。
关键词：强化学习;内部回归神经网络;倒立摆;
