说明：基于强化学习方法的访存调度算法_邱东黎
强化学习
说明：使用matlab工具，进行多智能体的Q学习算法的研究仿真，是目前几乎所有行业都在进行的最前沿工作。由于最优值计算的复杂性以及收敛速度的限制，所以目前研究人员使用各种学习方法，进行最优配置的研究。其中Q学习就是当前动态学习中最有前途的一种学习方法。
多智能体 Q学习算法 Q学习 动态学习
说明：利用迭代学习算法控制两关节机械手臂，可以选择三种迭代学习算法进行控制，效果很理想，能很好的跟踪给定的期望信号。通过m文件来编写s函数，提高了程序的可视效果，结构也比较简明，是学习迭代学习的好程序。
matlab 算法 学习 迭代
说明：matlab实现的深度学习算法，能够看到代码，对学习使用深度学习很有帮助
deep-learning MATLAB深度学习 matlab+深度学习 深度学习代码 深度
说明：利用自然梯度算法，一种流形学习算法（很好用），欢迎大家下载学习，利用贝叶斯原理估计混合logit模型的参数，用MATLAB实现动态聚类或迭代自组织数据分析，鲁棒性好，性能优越。
matlab 算法 下载 模型 学习 参数 原理 实现 利用 估计 混合 大家 好用 动态 欢迎 优越 数据分析 组织 梯度 贝叶斯 迭代 流形 自然 鲁棒性 好性
说明：使用Q学习的一种强化学习算法，针对路径规划问题，用Q学习的方法解决
matlab 算法 学习 使用 路径 规划 问题 针对 强化
说明：多用户环境中，增强学习算法仿真实验，特别是多用户Q学习算法的应用
q-学习 MultiAgent-matlab Q-learning算法 multiagent Q学习matlab
说明：贝叶斯网络学习算法――k2算法，包括对贝叶斯网络结构的学习，最后生成网络
贝叶斯网络k2 贝叶斯学习 K2 贝叶斯网络 k2算法 贝叶斯
说明：基于稀疏贝叶斯框架的机器学习算法，能有效用于回归和分类预测，具有较强的泛化性
机器学习-预测 贝叶斯-预测 稀疏贝叶斯 机器学习 机器学习预测
