이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
강화 학습
R2026a강화 학습은 에이전트가 알려지지 않은 동적 환경과 상호 작용하여 작업을 수행하는 방법을 학습하는 목표 지향 계산 학습 방식입니다. 이 학습 알고리즘은 훈련하는 동안 에이전트 정책 파라미터를 업데이트합니다. 학습 알고리즘의 목표는 작업을 수행하면서 받는 누적 감가 장기 보상의 기대치를 극대화하는 최적의 정책을 찾는 것입니다.
이 학습 방식에서는 사람의 개입 없이 그리고 목표 달성을 위한 명시적인 프로그래밍 없이도 에이전트가 작업의 누적 보상을 극대화하기 위한 일련의 결정을 내릴 수 있습니다. Reinforcement Learning Toolbox™를 사용하여 강화 학습 에이전트를 만들고 훈련시킬 수 있습니다.
자세한 내용은 강화 학습이란? (Reinforcement Learning Toolbox) 항목을 참조하십시오.
도움말 항목
- 강화 학습이란? (Reinforcement Learning Toolbox)
강화 학습은 목표 지향적인 연산 접근법으로, 컴퓨터가 불확실한 동적 환경과 상호 작용하여 작업 수행 방법을 학습하는 유형입니다.
- 강화 학습 워크플로 (Reinforcement Learning Toolbox)
문제에 강화 학습을 적용할 때 사용하는 일반적인 워크플로.
- Reinforcement Learning Environments (Reinforcement Learning Toolbox)
Model environment dynamics using a MATLAB® object that generates rewards and observations in response to agents actions.
- 제어 시스템 응용 사례를 위한 강화 학습 (Reinforcement Learning Toolbox)
강화 학습 에이전트를 훈련시켜 플랜트를 제어할 수 있습니다.
- MDP 환경에서 강화 학습 에이전트 훈련시키기 (Reinforcement Learning Toolbox)
일반 마르코프 결정 과정 환경에서 강화 학습 에이전트를 훈련시킵니다.
- 기본 그리드 월드에서 강화 학습 에이전트 훈련시키기 (Reinforcement Learning Toolbox)
MATLAB에서 그리드 월드를 풀도록 Q-러닝 및 SARSA 에이전트를 훈련시킵니다.
- 강화 학습 디자이너를 사용하여 에이전트 설계 및 훈련하기 (Reinforcement Learning Toolbox)
강화 학습 디자이너 앱을 사용하여 카트-폴 시스템에 대한 DQN 에이전트를 설계하고 훈련시킵니다.
- Create DQN Agent Using Deep Network Designer and Train Using Image Observations (Reinforcement Learning Toolbox)
Create a reinforcement learning agent using the Deep Network Designer app from the Deep Learning Toolbox™.
- Train DDPG Agent with Custom Networks Using Image Observation (Reinforcement Learning Toolbox)
Train a DDPG agent with custom networks using an image-based observation signal.
- DDPG 에이전트를 사용하여 탱크의 수위 제어하기 (Reinforcement Learning Toolbox)
Simulink®에서 모델링된 플랜트를 훈련 환경으로 설정하여 강화 학습을 사용해 제어기를 훈련시킵니다.
추천 예제
Train DQN Agent for Lane Keeping Assist Using Parallel Computing
Train a DQN agent for an automated driving application using parallel computing.
Deep Reinforcement Learning for Optimal Trade Execution
Use the Reinforcement Learning Toolbox™ and Deep Learning Toolbox™ to design agents for optimal trade execution.
Train Biped Robot to Walk Using Reinforcement Learning Agents
Compare DDPG and TD3 agent for the control a biped walking robot modeled in Simscape™ Multibody™.
적응형 크루즈 컨트롤을 위해 DDPG 에이전트 훈련시키기
적응형 크루즈 컨트롤 응용 사례를 위해 DDPG 에이전트를 훈련시킵니다.
Train Hybrid SAC Agent for Path-Following Control
Train a hybrid SAC agent for lane following control.
Automatic Parking Valet with Unreal Engine Simulation
Use a TD3 agent with an MPC controller to perform a parking maneuver.
Train Humanoid Walker
Model a humanoid robot using Simscape Multibody™ and train it using either a genetic algorithm (which requires a Global Optimization Toolbox license) or reinforcement learning (which requires Deep Learning Toolbox™ and Reinforcement Learning Toolbox™ licenses).
Train Policy Deployed on Raspberry Pi
Use trainFromData in a MATLAB learning loop to train a policy
deployed on a Raspberry Pi board.
