| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 引言 | 第13-14页 |
| 1.2 前人的研究成果 | 第14-16页 |
| 1.3 本文研究的内容 | 第16-19页 |
| 第二章 强化学习主要概念和相关算法 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 强化学习的基本概念 | 第19-23页 |
| 2.2.1 马尔可夫决策过程 | 第19-20页 |
| 2.2.2 值函数 | 第20-21页 |
| 2.2.3 策略评价和策略迭代 | 第21-22页 |
| 2.2.4 强化学习中目标函数 | 第22-23页 |
| 2.3 最小二乘时域差分算法 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基函数自适应的带有梯度修正作用的递推最小二乘时域差分算法的神经网络实现 | 第27-55页 |
| 3.1 引言 | 第27页 |
| 3.2 带有梯度修正作用的递推最小二乘时域差分算法 | 第27-31页 |
| 3.3 基函数自适应的带有梯度修正作用的递推最小二乘时域差分算法的神经网络实现 | 第31-38页 |
| 3.3.1 自适应RC网络结构 | 第31-33页 |
| 3.3.2 自适应RC网络算法实现 | 第33-35页 |
| 3.3.3 基于自适应RC网络的学习控制 | 第35-36页 |
| 3.3.4 基于自适应RC网络的算法收敛性分析 | 第36-38页 |
| 3.4 实验结果及分析 | 第38-53页 |
| 3.4.1 20状态马尔科夫链问题 | 第38-49页 |
| 3.4.2 小车爬山问题 | 第49-51页 |
| 3.4.3 倒立摆控制问题 | 第51-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基函数自适应的增量式最小二乘时域差分算法的神经网络实现 | 第55-69页 |
| 4.1 引言 | 第55页 |
| 4.2 增量式最小二乘时域差分算法(iLSTD) | 第55-57页 |
| 4.3 基函数自适应的增量最小二乘时域差分算法的神经网络实现 | 第57-63页 |
| 4.3.1 自适应iLSTDC网络结构 | 第57-58页 |
| 4.3.2 自适应iLSTDC网络算法 | 第58-61页 |
| 4.3.3 基于自适应iLSTDC网络的学习控制 | 第61-63页 |
| 4.4 实验结果及分析 | 第63-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 研究成果及发表的学术论文 | 第77-79页 |
| 导师和作者简介 | 第79-81页 |
| 附件 | 第81-82页 |
