Reinforcement Schedules
Reinforcement
Observational Learning
Machines: Problem Solving II
Purposive Learning
Associative Learning
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。
1Zhejiang Gongshang University Hangzhou College of Commerce, Hangzhou, 311508, Zhejiang, China. daiying188@outlook.com.
现代图书馆可以最大限度地利用强化学习来最大限度地利用空间 (RLMSU). 这种人工智能方法优化了座位和导航,在动态图书馆环境中提高了用户满意度和运营效率.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: