神经网络学习控制NeuralNetworkbasedLearningControl教案资料.pptVIP

神经网络学习控制 Neural Network based Learning Control 7.1 Reinforcement Learning(再励学习，自强式学习） 神经网络学习方法有三类： 监督学习 Supervised Learning —例如BP —有明确的“教师”信号 无监督学习 Unsupervised Learning  —没有任何“教师”信号 —只是通过输入数据的内部信息 相当自组织？类方法。 —例如 再励学习Reinforcement Learning 源于心理学简单的说，一个人有笔钱，有几个投资选择A.B.C.他投B，赚钱了，再投B 。until B不赚钱了，或有突发事件使他觉得A更好，于是将钱投到A。 由Barto 等人提出的Reinforcement Learning 可称为ASE/ACE模型，即由 ASE：Associative Search Element ：关联搜索单元 ACE：Adaptive Critic Element：自适应评判单元构成。 ASE的作用是确定控制信号y ACE则对再励信号r进行改善，得到AS