| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的章节安排 | 第12-13页 |
| 第二章 深度强化学习 | 第13-22页 |
| 2.1 强化学习 | 第13-16页 |
| 2.2 深度强化学习 | 第16-21页 |
| 2.2.1 研究进展 | 第16-17页 |
| 2.2.2 深度Q值网络 | 第17-20页 |
| 2.2.3 经验回放 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 自主优先课程学习算法 | 第22-50页 |
| 3.1 深度课程强化学习 | 第22-26页 |
| 3.2 自主优先课程存储 | 第26-30页 |
| 3.2.1 优先级经验回放 | 第26-28页 |
| 3.2.2 自主优先课程学习 | 第28-30页 |
| 3.3 重复惩罚 | 第30-35页 |
| 3.3.1 神经网络机器翻译中的覆盖机制 | 第31-33页 |
| 3.3.2 覆盖惩罚 | 第33-35页 |
| 3.4 深度课程强化学习算法框架 | 第35-37页 |
| 3.5 实验结果 | 第37-49页 |
| 3.5.1 Atari 2600游戏仿真平台 | 第37-40页 |
| 3.5.2 实验设置 | 第40-45页 |
| 3.5.3 实验结果 | 第45-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 DCRL与基于回放的深度强化学习算法的结合 | 第50-58页 |
| 4.1 双值网络 | 第50-54页 |
| 4.1.1 网络结构 | 第50-53页 |
| 4.1.2 实验结果 | 第53-54页 |
| 4.2 分型网络 | 第54-57页 |
| 4.2.1 网络结构 | 第54-56页 |
| 4.2.2 实验结果 | 第56-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位发表的论文 | 第69-70页 |