掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能控制與強化學習先進值迭代評判設計 版權信息
- ISBN：9787115633958
- 條形碼：9787115633958 ; 978-7-115-63395-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能控制與強化學習先進值迭代評判設計 本書特色
·新一代人工智能技術基礎理論著作
·人工智能、智能控制熱點研究著作
本書的出版將為相關領域工作人員有效地把握先進值迭代的研究動態與*新發展現狀提供有益參考。
本書內容豐富、結構清晰、由淺入深、分析透徹，既可作為智能控制、強化學習、優化控制、計算智能、自適應與學習系統等領域研究人員和學生的參考書，又可供相關領域的技術人員使用。
智能控制與強化學習先進值迭代評判設計 內容簡介
在人工智能技術的大力驅動下，智能控制與強化學習發展迅猛，優選自動化設計與控制日新月異。本書針對復雜離散時間系統的優化調節、很優跟蹤、零和博弈等問題，以實現穩定學習、演化學習和快速學習為目標，建立一套優選的值迭代評判學習控制理論與設計方法。首先，對優選值迭代框架下迭代策略的穩定性進行全面深入的分析，建立一系列適用于不同場景的穩定性判據，從理論層面揭示值迭代算法能夠實現離線很優控制和在線演化控制。其次，基于迭代歷史信息，提出一種新穎的收斂速度可調節的值迭代算法，有助于加快學習速度、減少計算代價，更高效地獲得非線性系統的很優控制律。結合人工智能技術，對無模型值迭代評判學習控制的發展前景也進行了討論。 本書內容豐富、結構清晰、由淺入深、分析透徹，既可作為智能控制、強化學習、優化控制、計算智能、自適應與學習系統等領域研究人員和學生的參考書，又可供相關領域的技術人員使用。
智能控制與強化學習先進值迭代評判設計 目錄
第 一章 智能評判控制的先進值迭代方法概述
1.1 強化學習背景
1.2 自適應評判介紹
1.3 傳統值迭代
1.4 廣義值迭代
1.5 演化值迭代
1.6 加速值迭代
1.7 小結
第二章 基于廣義值迭代的線性*優調節與穩定性分析
2.1 引言
2.2 問題描述
2.3 面向線性系統的廣義值迭代
2.4 迭代策略穩定性分析
2.5 仿真實驗
2.6 小結
第三章 具有穩定保證的非線性系統優化控制設計
3.1 引言
3.2 問題描述
3.3 面向非線性系統的廣義值迭代
3.4 迭代策略穩定性和容許性分析
3.5 仿真實驗
3.6 小結
第四章 一種基于評判學習的非線性智能*優跟蹤
4.1 引言
4.2 問題描述
4.3 面向智能*優跟蹤的廣義值迭代
4.4 基于神經網絡的算法實現
4.5 仿真實驗
4.6 小結
第五章 一類非線性系統的事件觸發*優跟蹤控制
5.1 引言
5.2 問題描述
5.3 基于事件觸發的近似*優跟蹤
5.4 基于神經網絡的跟蹤控制器設計
5.5 仿真實驗
5.6 小結
第六章 基于演化值迭代的非線性*優軌跡跟蹤
6.1 引言
6.2 問題描述
6.3 基于新型效用函數的廣義值迭代
6.4 演化控制與穩定性分析
6.5 仿真實驗
6.6 小結
第七章 融合值迭代學習的非線性零和博弈性能分析
7.1 引言
7.2 零和博弈問題描述
7.3 面向零和博弈的廣義值迭代
7.4 零和博弈的演化控制設計
7.5 仿真實驗
7.6 小結
第八章 具有可調節收斂速度的新型值迭代機制
8.1 引言
8.2 問題描述
8.3 加速值迭代算法性能分析
8.4 加速值迭代應用設計
8.5 仿真實驗
8.6 小結
第九章 基于加速值迭代的非線性系統軌跡跟蹤
9.1 引言
9.2 問題描述
9.3 面向跟蹤控制的加速值迭代
9.4 基于加速值迭代的演化控制
9.5 仿真實驗
9.6 小結
第十章 面向非線性零和博弈的快速值迭代學習
10.1 引言
10.2 問題描述
10.3 面向零和博弈的增量迭代機制
10.4 面向零和博弈的自勵迭代機制
10.5 仿真實驗
10.6 小結與展望
1.1 強化學習背景
1.2 自適應評判介紹
1.3 傳統值迭代
1.4 廣義值迭代
1.5 演化值迭代
1.6 加速值迭代
1.7 小結
第二章 基于廣義值迭代的線性*優調節與穩定性分析
2.1 引言
2.2 問題描述
2.3 面向線性系統的廣義值迭代
2.4 迭代策略穩定性分析
2.5 仿真實驗
2.6 小結
第三章 具有穩定保證的非線性系統優化控制設計
3.1 引言
3.2 問題描述
3.3 面向非線性系統的廣義值迭代
3.4 迭代策略穩定性和容許性分析
3.5 仿真實驗
3.6 小結
第四章 一種基于評判學習的非線性智能*優跟蹤
4.1 引言
4.2 問題描述
4.3 面向智能*優跟蹤的廣義值迭代
4.4 基于神經網絡的算法實現
4.5 仿真實驗
4.6 小結
第五章 一類非線性系統的事件觸發*優跟蹤控制
5.1 引言
5.2 問題描述
5.3 基于事件觸發的近似*優跟蹤
5.4 基于神經網絡的跟蹤控制器設計
5.5 仿真實驗
5.6 小結
第六章 基于演化值迭代的非線性*優軌跡跟蹤
6.1 引言
6.2 問題描述
6.3 基于新型效用函數的廣義值迭代
6.4 演化控制與穩定性分析
6.5 仿真實驗
6.6 小結
第七章 融合值迭代學習的非線性零和博弈性能分析
7.1 引言
7.2 零和博弈問題描述
7.3 面向零和博弈的廣義值迭代
7.4 零和博弈的演化控制設計
7.5 仿真實驗
7.6 小結
第八章 具有可調節收斂速度的新型值迭代機制
8.1 引言
8.2 問題描述
8.3 加速值迭代算法性能分析
8.4 加速值迭代應用設計
8.5 仿真實驗
8.6 小結
第九章 基于加速值迭代的非線性系統軌跡跟蹤
9.1 引言
9.2 問題描述
9.3 面向跟蹤控制的加速值迭代
9.4 基于加速值迭代的演化控制
9.5 仿真實驗
9.6 小結
第十章 面向非線性零和博弈的快速值迭代學習
10.1 引言
10.2 問題描述
10.3 面向零和博弈的增量迭代機制
10.4 面向零和博弈的自勵迭代機制
10.5 仿真實驗
10.6 小結與展望
展開全部
智能控制與強化學習先進值迭代評判設計 作者簡介
王鼎，男，北京工業大學教授、博士生導師，現任計算智能與智能系統北京市實驗室副主任。北京市自然科學基金杰出青年項目獲得者、科睿唯安(Clarivate)全球高被引科學家、中國科協青年人才托舉工程入選者，主要研究方向為智能控制與智能優化、神經網絡與強化學習，涉及復雜智能控制優化、人工智能理論基礎。針對不確定系統優化控制中的共性難題進行了長期研究攻關，建立并逐步完善智能評判控制框架，并為工業復雜系統的智能優化控制提供了理論支撐。目前已在人工智能及相關領域的國際期刊和會議上發表學術論文120余篇，其中82篇被SCI檢索(以第一作者發表在IEEE Transactions系列期刊和Automatica領域頂刊的論文共25篇)，已出版專著4本，申請和已授權發明專利9項。先后榮獲吳文俊人工智能優秀青年獎、中國自動化學會自然科學獎一等獎、廣東省自然科學獎一等獎等。先后擔任人工智能及相關領域多個著名期刊的編委，包括：IEEE Transactions on Systems, Man, and Cybernetics: Systems、IEEE Transactions on Neural Networks and Learning Systems、Neural Networks、International Journal of Robust and Nonlinear Control、International Journal of Adaptive Control and Signal Processing、Neurocomputing、自動化學報。
書友推薦
- >
唐代進士錄
- >
回憶愛瑪儂
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
李白與唐代文化
- >
月亮與六便士
- >
月亮虎
- >
推拿
- >
小考拉的故事-套裝共3冊
本類暢銷
