微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2008年
26期
196-197,234
,共3页
联想记忆%Hopfield神经网络%强化学习
聯想記憶%Hopfield神經網絡%彊化學習
련상기억%Hopfield신경망락%강화학습
针对自主机器人的动态避障问题,借鉴异联想记忆Hopfield神经网络对样本模式的记忆能力和强化学习解决问题的突出能力提出了一种新的融合学习方法即异联想记忆神经网络--强化学习方法.通过在强化学习中引入记忆来增强学习方法的能力,可以使自主机器人快速和适应的学习,从而实现机器人的动态避障.仿真结果表明了该避障方法的有效性.
針對自主機器人的動態避障問題,藉鑒異聯想記憶Hopfield神經網絡對樣本模式的記憶能力和彊化學習解決問題的突齣能力提齣瞭一種新的融閤學習方法即異聯想記憶神經網絡--彊化學習方法.通過在彊化學習中引入記憶來增彊學習方法的能力,可以使自主機器人快速和適應的學習,從而實現機器人的動態避障.倣真結果錶明瞭該避障方法的有效性.
침대자주궤기인적동태피장문제,차감이련상기억Hopfield신경망락대양본모식적기억능력화강화학습해결문제적돌출능력제출료일충신적융합학습방법즉이련상기억신경망락--강화학습방법.통과재강화학습중인입기억래증강학습방법적능력,가이사자주궤기인쾌속화괄응적학습,종이실현궤기인적동태피장.방진결과표명료해피장방법적유효성.
