中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度強化學習:學術前沿與實戰應用 版權信息
- ISBN：9787111646648
- 條形碼：9787111646648 ; 978-7-111-64664-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度強化學習:學術前沿與實戰應用 本書特色
本書共分為四篇，即深度強化學習、多智能體深度強化學習、多任務深度強化學習和深度強化學習的應用。由淺入深、通俗易懂，涵蓋經典算法和近幾年的前沿技術進展。特別是書中詳細介紹了每一種代表性算法的代碼原型實現，旨在理論與實踐相結合，讓讀者學有所得、學有所用。
*篇（包含第1～3章）主要講解深度強化學習基礎，側重于單智能體強化學習算法，相對簡單，有助于初級讀者理解，同時涵蓋了近幾年的經典算法和一些前沿的研究成果。
第二篇（包含第4～5章）主要側重于對多智能體深度強化學習的講解，從多智能體強化學習基本概念到相關算法的講解和分析，以多個極具代表性的算法為例帶領讀者逐步學習多智能體訓練及控制的理論與方法。同時，還介紹了多智能體強化學習領域一些前沿學術成果。
第三篇（包含第6～7章）擴展到多任務場景，稱為多任務深度強化學習。首先介紹了多任務強化學習的基本概念和相關基礎知識，隨后講解了部分經典的多任務深度強化學習算法。
第四篇（包含第8～11章）主要講解深度強化學習的實際應用，涉及游戲、機器人控制、計算機視覺和自然語言處理四大領域。通過領域應用中思想和方法的講解，培養讀者跨領域解決實際問題的能力，以幫助讀者熟練掌握和使用深度強化學習這一強大的方法來解決和優化實際工程領域中的問題。
深度強化學習:學術前沿與實戰應用 內容簡介
讀者對象：1.從事AI理論研究的研究人員；2.高校智能方向的高年級本科生和研究生；3.工業界做AI應用的機器學習工程師、算法工程師等。 1.作者資深。本書由北京理工大學劉馳教授團隊撰寫； 2.直奔主題，理論結合實踐。詳解單智能體、多智能體深度強化學習和分布式、多任務深度強化學習相關算法，深入解讀每種算法的代碼原型實現； 3.領域應用分析：給出深度強化學習在游戲、機器人控制、計算機視覺和自然語言處理四大領域的實際應用，側重討論深度強化學習在不同領域應用的思想和方法； 4.前沿經典綜述：詳述近五年深度強化學習領域的重要進展，涵蓋新的算法理論、工程實現和領域應用，從基礎到算法，再到典型應用場景。
深度強化學習:學術前沿與實戰應用 目錄
前言
數學符號
**篇 深度強化學習
第1章 深度強化學習基礎 2
1.1 強化學習 2
1.1.1 強化學習的發展歷史 2
1.1.2 強化學習簡介 4
1.1.3 深度強化學習簡介 6
1.2 馬爾可夫屬性和決策過程 9
1.2.1 馬爾可夫屬性 9
1.2.2 馬爾可夫決策過程 11
1.3 強化學習核心概念 12
1.3.1 值函數 12
1.3.2 動態規劃 14
1.3.3 時間（序）差分 15
1.3.4 策略梯度 16
1.3.5 actor-critic方法 17
1.4 Q-learning 18
1.4.1 Q-learning簡介 18
1.4.2 算法 19
1.4.3 相關變量及影響 20
1.4.4 實現方法 21
第2章 深度強化學習算法 22
2.1 基于值的深度強化學習算法 22
2.1.1 深度Q網絡 22
2.1.2 深度雙Q網絡 27
2.1.3 競爭網絡架構 31
2.1.4 平均值DQN 33
2.1.5 多DQN變種結合體：Rainbow 37
2.1.6 基于動作排除的DQN 42
2.2 基于策略的深度強化學習算法 46
2.2.1 循環確定性策略梯度 46
2.2.2 深度確定性策略梯度 55
2.2.3 信賴域策略優化 62
2.2.4 近端策略優化 68
2.3 基于模型的深度強化學習算法 73
2.3.1 基于模型加速的連續深度Q-learning 73
2.3.2 范例模型探索 80
2.3.3 基于模型集成的信賴域策略優化 88
2.3.4 時間差分模型 95
2.4 基于分層的深度強化學習算法 102
2.4.1 分層深度強化學習 102
2.4.2 基于封建網絡的分層強化學習 109
2.4.3 基于隨機神經網絡的分層強化學習 116
第3章 分布式深度強化學習 123
3.1 分布式系統 123
3.1.1 分布式系統簡介 123
3.1.2 分布式系統的發展歷史 124
3.1.3 架構演進 125
3.1.4 主流分布式系統框架 128
3.2 分布式深度強化學習算法 129
3.2.1 分布式近端策略優化 129
3.2.2 分布式深度確定性策略梯度 138
3.3 分布式深度強化學習框架 145
3.3.1 重要性加權Actor-Learner架構 145
3.3.2 分布式優先經驗復用池 153
第二篇 多智能體深度強化學習
第4章 多智能體深度強化學習基礎 162
4.1 多智能體強化學習 162
4.1.1 多智能體強化學習發展歷史 162
4.1.2 多智能體強化學習簡介 164
4.1.3 優勢和挑戰 166
4.2 部分可見馬爾可夫決策過程 166
4.2.1 POMDP模型 166
4.2.2 POMDP相關研究 169
4.2.3 POMDP應用領域 170
第5章 多智能體深度強化學習算法 171
5.1 基于值函數的多智能體深度強化學習 171
5.1.1 基于DQN的多智能體網絡 171
5.1.2 增強智能體間學習 174
5.1.3 協同多智能體學習的價值分解網絡 178
5.1.4 多智能體深度強化學習的穩定經驗復用池 182
5.1.5 單調值函數分解 187
5.1.6 深度強化學習中的對立智能體建模 190
5.1.7 平均場多智能體強化學習 193
5.2 基于策略的多智能體深度強化學習 197
5.2.1 基于自身策略的其他智能體行為預測 197
5.2.2 雙重平均方案 201
5.2.3 多智能體深度強化學習的統一博弈論方法 208
5.3 基于AC框架的多智能體深度強化學習 212
5.3.1 多智能體深度確定性策略梯度 212
5.3.2 多智能體集中規劃的價值函數策略梯度 220
5.3.3 多智能體系統的策略表示學習 227
5.3.4 部分可觀察環境下的多智能體策略優化 231
5.3.5 基于聯網智能體的完全去中心化MARL 236
第三篇 多任務深度強化學習
第6章 多任務深度強化學習基礎 244
6.1 簡介 244
6.1.1 理論概述 244
6.1.2 面臨的挑戰 247
6.2 策略蒸餾法 248
第7章 多任務深度強化學習算法 253
7.1 無監督強化與輔助學習 253
7.1.1 算法介紹 253
7.1.2 算法分析 255
7.1.3 使用場景與優勢分析 261
7.2 使用漸進式神經網絡解決任務的復雜序列 262
7.2.1 算法介紹 262
7.2.2 算法分析 262
7.2.3 使用場景與優勢分析 266
7.3 基于單智能體的多任務共享模型 267
7.3.1 算法介紹 267
7.3.2 算法分析 268
7.3.3 使用場景與優勢分析 272
7.4 使用PopArt歸一化多任務更新幅度 273
7.4.1 算法介紹 273
7.4.2 算法分析 274
7.4.3 使用場景與優勢分析 276
第四篇 深度強化學習的應用
第8章 游戲 278
8.1 Gym Retro游戲平臺 278
8.1.1 平臺簡介 278
8.1.2 安裝Gym Retro平臺 281
8.1.3 安裝Retro UI 282
8.1.4 Gym Retro主要函數說明 283
8.2 相關應用 285
8.2.1 Pong游戲 285
8.2.2 CartPole 291
8.2.3 Flappy Bird 298
8.2.4 Gradius 302
第9章 機器人控制 312
9.1 機器人導航 312
9.1.1 無地圖導航 312
9.1.2 社會感知機器人導航 316
9.2 路徑規劃 321
9.3 機器人視覺 324
第10章 計算機視覺 327
10.1 圖像 327
10.1.1 圖像字幕 327
10.1.2 圖像恢復 332
10.2 視頻 337
10.2.1 視頻字幕 337
10.2.2 視頻快進 345
10.2.3 視覺跟蹤 348
第11章 自然語言處理 354
11.1 與知識庫交互的多輪對話智能體 354
11.1.1 概率KB查找 355
11.1.2 端到端KB-InfoBot 356
11.1.3 總結 359
11.2 魯棒遠程監督關系提取 359
11.2.1 問題表述 360
11.2.2 使用基于策略的智能體重新分配訓練數據集 363
11.2.3 總結 363
11.3 非成對情感–情感翻譯 363
11.3.1 問題表述 363
11.3.2 訓練算法 366
11.3.3 總結 367
縮寫參照表 368
常用詞中英文對照 371
參考文獻 374
數學符號
**篇 深度強化學習
第1章 深度強化學習基礎 2
1.1 強化學習 2
1.1.1 強化學習的發展歷史 2
1.1.2 強化學習簡介 4
1.1.3 深度強化學習簡介 6
1.2 馬爾可夫屬性和決策過程 9
1.2.1 馬爾可夫屬性 9
1.2.2 馬爾可夫決策過程 11
1.3 強化學習核心概念 12
1.3.1 值函數 12
1.3.2 動態規劃 14
1.3.3 時間（序）差分 15
1.3.4 策略梯度 16
1.3.5 actor-critic方法 17
1.4 Q-learning 18
1.4.1 Q-learning簡介 18
1.4.2 算法 19
1.4.3 相關變量及影響 20
1.4.4 實現方法 21
第2章 深度強化學習算法 22
2.1 基于值的深度強化學習算法 22
2.1.1 深度Q網絡 22
2.1.2 深度雙Q網絡 27
2.1.3 競爭網絡架構 31
2.1.4 平均值DQN 33
2.1.5 多DQN變種結合體：Rainbow 37
2.1.6 基于動作排除的DQN 42
2.2 基于策略的深度強化學習算法 46
2.2.1 循環確定性策略梯度 46
2.2.2 深度確定性策略梯度 55
2.2.3 信賴域策略優化 62
2.2.4 近端策略優化 68
2.3 基于模型的深度強化學習算法 73
2.3.1 基于模型加速的連續深度Q-learning 73
2.3.2 范例模型探索 80
2.3.3 基于模型集成的信賴域策略優化 88
2.3.4 時間差分模型 95
2.4 基于分層的深度強化學習算法 102
2.4.1 分層深度強化學習 102
2.4.2 基于封建網絡的分層強化學習 109
2.4.3 基于隨機神經網絡的分層強化學習 116
第3章 分布式深度強化學習 123
3.1 分布式系統 123
3.1.1 分布式系統簡介 123
3.1.2 分布式系統的發展歷史 124
3.1.3 架構演進 125
3.1.4 主流分布式系統框架 128
3.2 分布式深度強化學習算法 129
3.2.1 分布式近端策略優化 129
3.2.2 分布式深度確定性策略梯度 138
3.3 分布式深度強化學習框架 145
3.3.1 重要性加權Actor-Learner架構 145
3.3.2 分布式優先經驗復用池 153
第二篇 多智能體深度強化學習
第4章 多智能體深度強化學習基礎 162
4.1 多智能體強化學習 162
4.1.1 多智能體強化學習發展歷史 162
4.1.2 多智能體強化學習簡介 164
4.1.3 優勢和挑戰 166
4.2 部分可見馬爾可夫決策過程 166
4.2.1 POMDP模型 166
4.2.2 POMDP相關研究 169
4.2.3 POMDP應用領域 170
第5章 多智能體深度強化學習算法 171
5.1 基于值函數的多智能體深度強化學習 171
5.1.1 基于DQN的多智能體網絡 171
5.1.2 增強智能體間學習 174
5.1.3 協同多智能體學習的價值分解網絡 178
5.1.4 多智能體深度強化學習的穩定經驗復用池 182
5.1.5 單調值函數分解 187
5.1.6 深度強化學習中的對立智能體建模 190
5.1.7 平均場多智能體強化學習 193
5.2 基于策略的多智能體深度強化學習 197
5.2.1 基于自身策略的其他智能體行為預測 197
5.2.2 雙重平均方案 201
5.2.3 多智能體深度強化學習的統一博弈論方法 208
5.3 基于AC框架的多智能體深度強化學習 212
5.3.1 多智能體深度確定性策略梯度 212
5.3.2 多智能體集中規劃的價值函數策略梯度 220
5.3.3 多智能體系統的策略表示學習 227
5.3.4 部分可觀察環境下的多智能體策略優化 231
5.3.5 基于聯網智能體的完全去中心化MARL 236
第三篇 多任務深度強化學習
第6章 多任務深度強化學習基礎 244
6.1 簡介 244
6.1.1 理論概述 244
6.1.2 面臨的挑戰 247
6.2 策略蒸餾法 248
第7章 多任務深度強化學習算法 253
7.1 無監督強化與輔助學習 253
7.1.1 算法介紹 253
7.1.2 算法分析 255
7.1.3 使用場景與優勢分析 261
7.2 使用漸進式神經網絡解決任務的復雜序列 262
7.2.1 算法介紹 262
7.2.2 算法分析 262
7.2.3 使用場景與優勢分析 266
7.3 基于單智能體的多任務共享模型 267
7.3.1 算法介紹 267
7.3.2 算法分析 268
7.3.3 使用場景與優勢分析 272
7.4 使用PopArt歸一化多任務更新幅度 273
7.4.1 算法介紹 273
7.4.2 算法分析 274
7.4.3 使用場景與優勢分析 276
第四篇 深度強化學習的應用
第8章 游戲 278
8.1 Gym Retro游戲平臺 278
8.1.1 平臺簡介 278
8.1.2 安裝Gym Retro平臺 281
8.1.3 安裝Retro UI 282
8.1.4 Gym Retro主要函數說明 283
8.2 相關應用 285
8.2.1 Pong游戲 285
8.2.2 CartPole 291
8.2.3 Flappy Bird 298
8.2.4 Gradius 302
第9章 機器人控制 312
9.1 機器人導航 312
9.1.1 無地圖導航 312
9.1.2 社會感知機器人導航 316
9.2 路徑規劃 321
9.3 機器人視覺 324
第10章 計算機視覺 327
10.1 圖像 327
10.1.1 圖像字幕 327
10.1.2 圖像恢復 332
10.2 視頻 337
10.2.1 視頻字幕 337
10.2.2 視頻快進 345
10.2.3 視覺跟蹤 348
第11章 自然語言處理 354
11.1 與知識庫交互的多輪對話智能體 354
11.1.1 概率KB查找 355
11.1.2 端到端KB-InfoBot 356
11.1.3 總結 359
11.2 魯棒遠程監督關系提取 359
11.2.1 問題表述 360
11.2.2 使用基于策略的智能體重新分配訓練數據集 363
11.2.3 總結 363
11.3 非成對情感–情感翻譯 363
11.3.1 問題表述 363
11.3.2 訓練算法 366
11.3.3 總結 367
縮寫參照表 368
常用詞中英文對照 371
參考文獻 374
展開全部
深度強化學習:學術前沿與實戰應用 作者簡介
劉馳劉馳 北京理工大學計算機學院副院長、教授、博士生導師，英國工程技術學會會士（IET Fellow），IEEE高級會員（IEEE Senior Member）。分別于清華大學和英國帝國理工學院獲得學士和博士學位，曾任美國IBM T.J. Watson研究中心和IBM中國研究院研究主管，并在德國電信研究總院（柏林）任博士后研究員。研究方向為大數據與物聯網技術。主持了國家自然科學基金、國家重點研發計劃課題、工信部、教育部、裝發預研等20余省部級研究項目。共發表SCI/EI論文百余篇，其中ESI高被引論文2篇、CCF-A類論文20余篇，授權國內外發明專利14項，編寫書籍9本，Google Scholar索引3500余次，H index為28。現任國家自然科學基金會評專家、科技部重點研發計劃會評專家、教育部科技獎評審專家、全國信標委技術委員會委員、中國電子學會理事、中國計算機學會青工委委員、中國計算機學會物聯網/大數據/普適計算專委會委員、中國電子學會物聯網專委會委員/副秘書長、中國自動化學會大數據專委會委員、中國通信學會物聯網專委會委員等；以及IEEE Transactions on Network Science and Engineering編委、IEEE ICC 2020 Symposium Chair for Next Generation Networking。入選了國家人社部“高層次留學人才回國資助計劃”、中國科協“青年人才托舉工程”、陜西省第八批“百人計劃（短期項目）”、中國產學研合作促進獎、中國電子學會科技工作者、國家“十二五”輕工業科技創新先進個人、2017年中國物聯網年度人物等。并獲得省部級一等獎1項、二等獎1項、三等獎1項。
書友推薦
- >
巴金－再思錄
- >
名家帶你讀魯迅:朝花夕拾
- >
【精裝繪本】畫給孩子的中國神話
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
自卑與超越
- >
苦雨齋序跋文-周作人自編集
- >
中國歷史的瞬間
- >
羅庸西南聯大授課錄
本類暢銷
