Reinforcement Schedules
Reinforcement
Observational Learning
Avoidance Learning and Learned Helplessness
Rolling Resistance: Problem Solving
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Zaharah A Bukhsh1, Hajo Molegraaf2, Nils Jansen3
1Eindhoven University of Technology, Eindhoven, The Netherlands.
本研究引入了深度强化学习 (DRL) 方法,用于最佳的水管改造规划. 与传统方法相比,DLR政策显著降低了成本和失败,线下学习显示了进一步的改进.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: