Indexed by：
Abstract：
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.
Keyword：
Reprint Author's Address：
Email：
Source ：
控制工程
ISSN： 1671-7848
Year： 2005
Issue： 2
Volume： 12
Page： 138-140,161
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 8
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
