掃一掃
關注中圖網
官方微博
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 版權信息
- ISBN：9787302578208
- 條形碼：9787302578208 ; 978-7-302-57820-8
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度強化學習 本書特色
強化學習是目前機器學習領域*熱門的方向之一，本書經多年的實踐教學經驗的積累，形成了一套完整的教學體系。并結合流行的深度學習框架PyTorch，該書在理論和應用上都是較先進的。本書理論結合實踐，深入淺出地講解相關算法和實例。
深度強化學習 內容簡介
本書基于PyTorch框架，用通俗易懂的語言深入淺出地介紹了強化學習的基本原理，包括傳統的強化學習基本方法和目前流行的深度強化學習方法。在對強化學習任務建模的基礎上，首先介紹動態規劃法、蒙特卡洛法、時序差分法等表格式強化學習方法，然后介紹在PyTorch框架下，DQN、DDPG、A3C等基于深度神經網絡的大規模強化學習方法。全書以一個掃地機器人任務貫穿始終，并給出具有代表性的實例，增加對每個算法的理解。全書配有PPT和視頻講解，對相關算法和實例配有代碼程序。 全書共分三部分： 和第二部分（～8章）為表格式強化學習部分，著重介紹深度強化學習概述、環境的配置、數學建模、動態規劃法、蒙特卡洛法、時序差分法、n步時序差分法、規劃和蒙特卡洛樹搜索； 第三部分（第9～14章）為深度強化學習部分，著重介紹深度學習、PyTorch與神經網絡、深度Q網絡、策略梯度、基于確定性策略梯度的深度強化學習、AC框架的拓展。全書提供了大量的應用實例，每章章末均附有習題。 本書既適合作為高等院校計算機、軟件工程、電子工程等相關專業高年級本科生、研究生的教材，又可為人工智能、機器學習等領域從事項目開發、科學研究的人員提供參考。
深度強化學習 目錄
**部分： 預備知識及環境安裝
第1章深度強化學習概述
1.1引言
1.2深度學習
1.3強化學習
1.4深度強化學習
1.5小結
1.6習題
第2章環境的配置
2.1PyTorch簡介
2.2PyTorch和TensorFlow
2.3強化學習的開發環境
2.3.1Anaconda環境搭建
2.3.2Anaconda環境管理
2.3.3PyTorch的安裝
2.3.4Jupyter Notebook的安裝
2.3.5Jupyter Notebook的使用
2.3.6Gym的安裝
2.3.7Gym案例
2.4小結
2.5習題
第二部分： 表格式強化學習
第3章數學建模
3.1馬爾可夫決策過程
3.2基于模型與無模型
3.3求解強化學習任務
3.3.1策略
3.3.2獎賞與回報
3.3.3值函數與貝爾曼方程
3.3.4*優策略與*優值函數
3.4探索與利用
3.5小結
3.6習題
第4章動態規劃法
4.1策略迭代
4.1.1策略評估
4.1.2策略迭代
4.2值迭代
4.3廣義策略迭代
4.4小結
4.5習題
第5章蒙特卡洛法
5.1蒙特卡洛法的基本概念
5.1.1MC的核心要素
5.1.2MC的特點
5.2蒙特卡洛預測
5.3蒙特卡洛評估
5.4蒙特卡洛控制
5.4.1基于探索始點的蒙特卡洛控制
5.4.2同策略蒙特卡洛控制
5.4.3異策略與重要性采樣
5.4.4蒙特卡洛中的增量式計算
5.4.5異策略蒙特卡洛控制
5.5小結
5.6習題
第6章時序差分法
6.1時序差分預測
6.2時序差分控制
6.2.1Sarsa算法
6.2.2QLearning算法
6.2.3期望Sarsa算法
6.3*大化偏差與Double QLearning
6.3.1*大化偏差
6.3.2Double Learning
6.3.3Double QLearning
6.4DP、MC和TD算法的關系
6.4.1窮舉式遍歷與軌跡采樣
6.4.2期望更新與采樣更新
6.5小結
6.6習題
第7章n步時序差分法
7.1n步TD預測及資格跡
7.1.1n步TD預測
7.1.2前向TD(λ)算法
7.1.3后向TD(λ)算法
7.2n步TD控制及其資格跡實現
7.2.1同策略n步Sarsa算法
7.2.2Sarsa(λ)算法
7.2.3異策略n步Sarsa算法
7.2.4n步Tree Backup算法
7.3小結
7.4習題
第8章規劃和蒙特卡洛樹搜索
8.1模型、學習與規劃
8.1.1模型
8.1.2學習
8.1.3規劃
8.2DynaQ結構及其算法改進
8.2.1DynaQ架構
8.2.2優先遍歷
8.2.3模擬模型的錯誤性
8.3決策時間規劃
8.3.1啟發式搜索
8.3.2預演算法
8.3.3蒙特卡洛樹搜索
8.4小結
8.5習題
第三部分： 深度強化學習
第9章深度學習
9.1傳統神經網絡
9.1.1感知器神經元
9.1.2激活函數
9.2反向傳播算法
9.2.1前向傳播
9.2.2權重調整
9.2.3BP算法推導
9.3卷積神經網絡
9.3.1卷積神經網絡核心思想
9.3.2卷積神經網絡結構
9.4小結
9.5習題
第10章PyTorch與神經網絡
10.1PyTorch中的Tensor
10.1.1直接構造法
10.1.2間接轉換法
10.1.3Tensor的變換
10.2自動梯度計算
10.2.1標量對標量的自動梯度計算
10.2.2向量對向量的自動梯度計算
10.2.3標量對向量（或矩陣）的自動梯度計算
10.3神經網絡的模型搭建和參數優化
10.3.1模型的搭建
10.3.2激活函數
10.3.3常用的損失函數
10.3.4模型的保存和重載
10.4小結
10.5習題
第11章深度Q網絡
11.1DQN算法
11.1.1核心思想
11.1.2訓練算法
11.1.3實驗結果與分析
11.2Double DQN算法
11.2.1核心思想
11.2.2實驗結果與分析
11.3Prioritized DQN
11.3.1核心思想
11.3.2訓練算法
11.3.3實驗結果與分析
11.4Dueling DQN
11.4.1訓練算法
11.4.2實驗結果與分析
11.5小結
11.6習題
第12章策略梯度法
12.1隨機策略梯度法
12.1.1梯度上升算法
12.1.2策略梯度法與值函數逼近法的比較
12.2策略優化方法
12.2.1情節式策略目標函數
12.2.2連續式策略目標函數
12.2.3策略梯度定理
12.3策略表達形式
12.3.1離散動作空間策略參數化
12.3.2連續動作空間策略參數化
12.4蒙特卡洛策略梯度法
12.4.1REINFORCE
12.4.2REINFORCE算法的實驗結果與分析
12.4.3帶基線的REINFORCE
12.4.4帶基線的REINFORCE算法的實驗結果與分析
12.5行動者評論家
12.6確定性策略梯度定理
12.7小結
12.8習題
第13章基于確定性策略梯度的深度強化學習
13.1DDPG算法
13.1.1算法背景
13.1.2核心思想
13.1.3DDPG算法
13.2DDPG算法的實驗結果與分析
13.2.1DDPG算法網絡結構與超參數設置
13.2.2實驗環境
13.2.3實驗結果與分析
13.3雙延遲確定性策略梯度算法
13.3.1過高估計問題解決方案
13.3.2累計誤差問題解決方案
13.3.3TD3算法
13.3.4實驗結果與分析
13.4小結
13.5習題
第14章基于AC框架的深度強化學習
14.1行動者評論家框架
14.2A3C算法
14.2.1算法的核心思想
14.2.2異步1步Q學習算法
14.2.3A3C算法
14.2.4實驗結果與分析
14.3A2C算法
14.3.1A2C算法
14.3.2實驗結果與分析
14.4小結
14.5習題
參考文獻
展開全部
深度強化學習 作者簡介
劉全，蘇州大學教授，博士生導師。 吉林大學博士, 南京大學軟件新技術國家重點實驗室博士后。蘇州市人工智能學會常務理事、秘書長。2006年開始從事強化學習 領域的教學和科研工作。主講研究生、本科生《強化學習》及相關課程16次。主持“深度強化學習方法研究”、“部分感知強化學習理論及方法”、“基于tableau的邏輯強化學習研究”等國家、省部級項目10余項。目前主要研究方向為：深度強化學習。 2012年獲江蘇省教工委優秀共產黨員稱號。2011年、2012年入選江蘇省“六大人才”、江蘇省“333”人才培養計劃。
書友推薦
- >
莉莉和章魚
- >
我從未如此眷戀人間
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
我與地壇
- >
巴金－再思錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
史學評論
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
