基于深度学习的智能控制研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景 | 第11-13页 |
| 1.1.1 车辆自主行驶系统背景 | 第11-12页 |
| 1.1.2 深度强化学习背景 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 车辆自主行驶系统研究现状 | 第13-15页 |
| 1.2.2 深度强化学习研究现状 | 第15-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 深度强化学习及算法分析 | 第19-31页 |
| 2.1 强化学习算法分析 | 第19-24页 |
| 2.1.1 强化学习模型 | 第19-21页 |
| 2.1.2 强化学习理论基础 | 第21-22页 |
| 2.1.3 强化学习的组成部分 | 第22-24页 |
| 2.2 深度学习算法分析 | 第24-28页 |
| 2.2.1 深度学习的理论基础 | 第24-27页 |
| 2.2.2 深度学习的主要网络结构 | 第27-28页 |
| 2.2.3 深度学习的主要应用 | 第28页 |
| 2.3 深度强化学习 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 深度强化学习模型设计 | 第31-39页 |
| 3.1 智能控制的马尔科夫建模 | 第31-34页 |
| 3.1.1 智能控制环境模型 | 第31-32页 |
| 3.1.2 车辆的动作设计 | 第32页 |
| 3.1.3 系统状态模型 | 第32页 |
| 3.1.4 基于智能控制的回报函数设计 | 第32-34页 |
| 3.2 深度强化学习算法设计 | 第34-38页 |
| 3.2.1 车辆的策略网络 | 第34-35页 |
| 3.2.2 车辆的价值网络 | 第35页 |
| 3.2.3 智能控制的深度强化学习网络结构 | 第35-36页 |
| 3.2.4 深度强化学习神经网络的优化 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 智能控制算法仿真环境搭建及实验 | 第39-45页 |
| 4.1 仿真环境系统 | 第39-41页 |
| 4.1.1 基于虚幻4的车辆行驶仿真环境 | 第40页 |
| 4.1.2 仿真环境动作集合 | 第40页 |
| 4.1.3 仿真环境执行流程 | 第40-41页 |
| 4.2 仿真实验结果 | 第41-43页 |
| 4.2.1 仿真训练过程分析 | 第42-43页 |
| 4.2.2 仿真测试结果分析 | 第43页 |
| 4.3 本章小结 | 第43-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简介及在学期间所取得的科研成果 | 第50-51页 |
| 致谢 | 第51页 |
