-
在Python中使用卷积滤波器的Matlab代码实现强化学习，具体应用了Q学习和Sarsa算法
资源介绍
用卷积滤波器matlab代码Python中的强化学习
在移动机器人导航任务中实施用于全局路径规划的强化学习（RL）算法。
Q学习和Sarsa算法对悬崖，老鼠和奶酪环境的比较分析。
相关作品：
Sichkar
VN“移动机器人全球路径规划中的强化学习算法”，2019年工业工程，应用和制造国际会议（ICIEAM），俄罗斯索契，2019年，第1-5页。
doi
：（全文也在这里提供）
Sichkar
VN各种维数卷积层滤波器对交通标志分类准确性的影响。
信息技术科学，力学和光学杂志，2019年，第1期。
19号3页（英语）。
doi
：（全文也在这里提供）
Sichkar
VN基于知识的系统的对比分析，该系统用于未知环境中的移动机器人导航和避免障碍物的碰撞。
圣彼得堡国立工业大学学报。
计算机科学。
电信与控制系统，2018年，第1期。
11，No.
2，Pp。
64-73。
doi
：（全文也在这里提供）
用于避免碰撞任务的基于神经网络知识的系统的研究结果被放置在单独的存储库中，并且可以在这里找到：
用于警报警告系统知识表示的语义Web语言OWL和RDF的研究放在单独的存储库中，可以在这里