深度強化學習 在控制演算法與決策類的應用中採用深度學習
深度強化學習是機器學習的一個分支，它能協助您在面對複雜系統（如機器人和自主系統）時，實現控制器和決策系統。深度強化學習可讓您使用從模擬或物理系統動態產生的數據訓練類神經網路以學習複雜的行為。
使用 MATLAB®、Simulink® 和強化學習工具箱(Reinforcement Learning Toolbox)，便可讓您執行從設計到部署決策系統的完整流程。利用我們的工具您可以：
- 切換、評估和比較目前熱門的深度強化學習演算法
- 使用強化學習設計應用程式(Reinforcement Learning Designer App)在介面中進行互動式訓練策略(policy)。
- 在 MATLAB 和 Simulink 中建立訓練環境的模型，以降低硬體損壞的風險
- 使用類神經網路以互動式介面操作或以撰寫程式的方式建立深度強化學習策略(policy)
- 將深度強化學習策略部署至嵌入式設備或雲端
“5G 是我們致力保護不受到對抗性攻擊(adversarial attacks)的關鍵基礎設施。強化學習工具箱可讓我們快速評估 5G 弱點並找出降低影響的方式。”
Ambrose Kam, 洛克希德·馬丁 (Lockheed Martin)
