LEARNING
关于丢包和不确定性下线性系统的强化学习与自适应控制的比较研究
Moh Kamalul Wafi
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文比较了自适应量化控制（AQC）与深度确定性策略梯度（DDPG）强化学习在输入量化和丢包通信信道下的不确定线性系统上的表现。结果表明，DDPG在训练环境中具有更快的瞬态响应，而AQC在模型不确定性、丢包和动态切换下展现出更强的鲁棒性。
关键词
reinforcement learningadaptive controlpacket losslinear systemsuncertainty
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018