【第十一届“泰迪杯”数据挖掘挑战赛】泰迪杯c题爬虫采集数据(源码+数据)

葡萄成熟时_ 2023-03-28 20:39:54
...全文
1150 4 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
m0_70803522 2024-12-06
  • 打赏
  • 举报
回复

群不在了,链接也没有了

葡萄成熟时_ 2023-04-07
  • 打赏
  • 举报
回复
应粉丝建议,我建立了一个QQ交流群,欢迎大家入群交流145752992
WWWWWW2020211 2023-04-22
  • 举报
回复
@葡萄成熟时_ 满员了 进不去
SnowCapital13 2024-02-27
  • 举报
回复
@葡萄成熟时_ 这个链接已经是显示404内容不存在了
内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。

58

社区成员

发帖
与我相关
我的任务
社区描述
看不清未来时 就比别人坚持久一点
个人社区
社区管理员
  • 葡萄成熟时_
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧