完整的开发资料与工具，还有原厂的教程

* 实例: 冰壶游戏, 控制冰壶运动至目标位置 * 方法: 基于梯度下降的Sarsa($\lambda$) + 非均匀径向基特征表示 * 环境: Ubuntu16.04 + Python3.6 + Numpy1.17.4 ## 1. 实例问题描述 冰壶游戏是要控制一个半径为1, 质量为1的冰壶, 在一个长宽是均为100的正方形球场内移动. 不考虑冰壶的自转. 当冰壶和球场的边界碰撞时, 碰撞前后冰壶的速度会乘上回弹系数0.9, 移动方向和边界呈反射关系. 我们需要分别操纵x轴和y轴的两个力控制冰壶的移动: 在x轴的正或反方向施加5单位的力; 在y轴的正或反方向施加5单位的力. 这样一共会有4种不同的控制动作. 动作可以每1/10秒变换一次; 但在仿真冰壶运动动力学时, 仿真时间间隔是1/100秒. 除了我们施加的控制动作, 冰壶会受到空气阻力, 大小等于$0.005 \times speed^2$. 假设冰壶和地面没有摩擦力. 在每个决策时刻(1/10 秒), 环境反馈的奖励等于−d, 其中d 是冰壶和任意给定的目标点之间的距离. 为了保证学到的策略能够控制冰壶从任意初始位置上

基于生物启发式算法的多智能体强化学习算法matlab和python实现

可以用于修复数据混乱导致的软件层无法触发自学习问题。

蓝德7255-7280非自学习固件,可用于修复控制器刷错固件导致无法使用问题。

hdf5-rust的包，留自学习使用

完成 自学习红外遥控器的设计与实现 给出了设计思路 硬件电路 软件实现

自学习循路的移动机器人模型设计与实现.pdf

人工智能-基于BP神经网络的五子棋自学习系统的设计与实现.pdf

原生交易遗传算法 - MQ4/MQ5 它是一个基于神经网络的自学习交易机器人，通过 C++ 直接构建在 Metatrader 中 此回购的目的是创建一个能够从市场中学习并做出决策的交易专家顾问，无需任何预先配置的设置或指标。 机器人可以同时做出决定，例如： 何时开/关/卖/买 分配哪些地段 更多详情，请下载后阅读README.md文件