基于模型的强化学习
①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。
￥ 63.67 6.5折 ￥ 98 全新
库存2件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者(伊朗)米拉德·法尔西//刘俊|译者:高艺//夏宇翔//陈锋//刘攀成//钟家华等
出版社东南大学
ISBN9787576610444
出版时间2024-07
装帧其他
开本其他
定价98元
货号32224178
上书时间2024-11-18
- 在售商品 暂无
- 平均发货时间 17小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
1 非线性系统分析
1.1 符号
1.2 非线性动态系统
1.3 Lyapunov稳定性分析
1.4 离散时间动态系统的稳定性分析
1.5 总结
参考文献
2 优化控制
2.1 问题描述
2.2 动态规划
2.3 线性二次型调节器
2.4 总结
参考文献
3 强化学习
3.1 具有二次成本的控制仿射系统
3.2 精确策略迭代
3.3 未知动力学和函数逼近的策略迭代
3.4 总结
参考文献
4 动态模型的学习
4.1 简介
4.2 模型选择
4.3 参数模型
4.4 参数化学习算法
4.5 持续激励
4.6 Python工具箱
4.7 对比结果
4.8 总结
参考文献
5 基于结构化在线学习的连续时间非线性系统控制
5.1 简介
5.2 结构化近似最优控制框架
5.3 局部稳定性与最优性分析
5.4 SOL算法
5.5 仿真结果
5.6 小结
参考文献
6 结构化在线学习方法在未知动态非线性跟踪中的应用
6.1 简介
6.2 跟踪控制的结构化在线学习
6.3 使用SOL的基于学习的跟踪控制
6.4 仿真结果
6.5 总结
参考文献
7 分段学习与控制及其稳定性保证
7.1 简介
7.2 问题公式化描述
7.3 分段学习与控制框架
7.4 不确定性边界分析
7.5 分段仿射学习与控制的稳定性验证
7.6 数值结果
7.7 总结
参考文献
8 太阳能光伏系统应用
8.1 简介
8.2 问题描述
8.3 光伏阵列的最优控制
8.4 应用注意事项
8.5 仿真结果
8.6 总结
参考文献
9 四旋翼无人机低级控制应用
9.1 简介
9.2 四旋翼无人机模型
9.3 基于RLS识别器的四旋翼无人机结构化在线学习
9.4 数值结果
9.5 总结
参考文献
10 Python工具箱
10.1 概述
10.2 用户输入
10.3 SOL
10.4 显示与输出
10.5 总结
参考文献
附录
A.1 注释5.4的补充分析
A.2 注释5.5的补充分析
内容摘要
强化学习是机器学习的一个基本范示，其中智能体执行动作以确保设备的最优性能。虽然这种机器学习范式近年来取得了巨大的成功和普及，但以前的学术研究要么集中在理论上——最优控制和动态规划——要么集中在算法上——其中大多数是基于仿真的。
《基于模型的强化学习》提供了一个基于模型的框架来桥接这两个方面，从而创建了一个基于模型的在线学习控制主题的整体处理。在此过程中，作者寻求开发一个基于模型的数据驱动控制框架，该框架将数据系统识别、基于模型的强化学习和最
优控制以及每个主题的应用连接起来。这种评估经典结果的新技术将会是更有效的强化学习系统。本书的核心是提供一个端到端的框架——从设计到应用——一种更易于处理的基于模型的强化学习技术。
基于模型的强化学习的读者还会发现：这是一本实用的教科书，适用于数据驱动和基于学习的控制研究生课程中，强调从数据对动态系统进行建模和控制。
详细比较了不同技术的影响，如基本线性二次型控制器、基于学习的模型预测控制、无模型强化学习和结构化在线学习。
非完整动力学的地面车辆应用与实例研究，以及在四旋翼直升机上的应用与实例研究。
一个基于Python的在线工具箱，该工具箱包含本书所涵盖的内容以及必要的代码和数据。
《基于模型的强化学习》是高年级本科生、研究生、研究助理、教授、过程控制工程师和机器人专家的有用参考书籍。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价