已閱讀1頁,還剩54頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、中圖分類號:!旦2學科分類號:主2Q安徽理工大學論文編號:碩士學位論文Q_learning強化學習算法的改進及應用研究作者姓名:呈盟委專業(yè)名稱:軟i生工程研究方向:厶王蟹能導師姓名:潘地撻教握導師單位:塞徽理王太堂答辯委員會主席:魚留進論文答辯日期:10“年6月仁日安徽理工大學研究生處2016年(月‘日獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作及取得的研究成果。據(jù)我所知,除了文中特別加以標注和致謝的地方以外,論文
2、中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果,也不包含為獲得塞筮堡王太堂或其他教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學位論文作者簽名:爭日甩委日期:業(yè)年』月』日學位論文版權(quán)使用授權(quán)書本學位論文作者完全了解塞徽理工太學有保留、使用學位論文的規(guī)定,即:研究生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬于塞徽理工大堂。學校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和磁盤,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Q-learning強化學習算法改進及其應用研究.pdf
- qlearning強化學習算法改進及其應用研究
- 分層強化學習算法及其應用研究.pdf
- 基于強化學習的改進遺傳算法研究.pdf
- 基于強化學習改進的模糊神經(jīng)網(wǎng)絡(luò)及其應用研究.pdf
- 強化學習在用戶學習中的應用研究.pdf
- FastICA的改進算法及應用研究.pdf
- 多Agent強化學習及其應用研究.pdf
- 基于動機的強化學習及其應用研究.pdf
- 強化學習方法及其應用研究.pdf
- 基于性能勢的改進平均獎賞強化學習算法研究.pdf
- SIFT算法改進及應用研究.pdf
- 遺傳算法的改進及應用研究.pdf
- 面向強化學習的模型學習算法研究.pdf
- 強化學習算法在電力市場中的應用.pdf
- 基于改進ELM的遞歸最小二乘強化學習算法的研究.pdf
- 基于試錯學習的強化學習算法的研究.pdf
- 強化學習算法的研究與實驗.pdf
- 人工蜂群算法的改進及應用研究.pdf
- 最小均方算法的改進及應用研究.pdf
評論
0/150
提交評論