基于内部回归神经网络的强化学习

• 作者: 孙亮 王瑞霞 阮晓刚
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 强化学习 内部回归神经网络 倒立摆
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 智能控制技术及应用
• 页码范围: 138-140,161
• 页数: 4页
• 分类号: TP18
• 字数: 2332字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7848.2005.02.014

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙亮	北京工业大学信息与控制研究所	48	347	9.0	16.0
2	阮晓刚	北京工业大学信息与控制研究所	4	15	2.0	3.0
3	王瑞霞	北京工业大学信息与控制研究所	2	17	2.0	2.0