TensorFlow2强化学习手册

图书标准信息

• 作者 （美）普拉文·帕拉尼萨米（Praveen Palanisamy） 著 陈翔 王玺钧 译
• 出版社 清华大学出版社
• 出版时间 2023-12
• 版次 1
• ISBN 9787302643388
• 定价 99.00元
• 装帧 平装
• 开本 16开
• 页数 331页
• 字数 0.5千字

【内容简介】

深度强化学能够构建智能体、产品和服务，计算机视觉或感知执行动作。tenorflow 2.x是流行的深度学框架的近期新主要版本，用于开发和训练深度神经网络。
本书介绍了深度强化学的基本和tenorflow的近期新版本，同时也介绍了openal gym、基于模型和无模型的强化学，并学如何开发基本智能体。同时给出了深度强化学算法（actorcritic、深度确定策略梯度、深度q网络、近端策略优化和深度递归q网络等）的实现。
通过本书，读者可以：
使用全新的tenorflow和kera api从头开始构建深度强化学智能体；
使用少代码实现优选的深度强化学算法；
在模拟环境中培训深度强化学智能体，以执行加密货币、股票交易和建筑能源优化等现实世界的任务；
使用tenorflow创建桌面应用程序、云服务、web和移动应用程序，将强化学智能体部署到云端，构建跨台应用程序；
使用分布式dnn模型训练加快代理开发。

【作者简介】

"陈翔，中山大学电子与信息工程学院教授，电子与信息工程实验中心副主任，深圳清华大学研究院兼职主任研究员，深圳空天通信终端应用技术工程实验室副主任。主要研究方向为5g移动通信与网络、卫星通信、软件无线电，在外知名期刊和会议上发表80余篇，获授权发明专利40余项，获2017年度中国电子学会科技工作者称号。 
王玺钧，中山大学电子与信息工程学院副教授。主要研究方向包括智能物联网、无人机通信和群智学，发表90余篇，参撰著作1部，获授权发明专利40余项。 "

【目录】

章 使用tensorflow 2.x开发深度强化学的基本模块

1.1 技术要求

1.2 构建训练强化学智能体的环境和奖励机制

1.2.1 前期准备

1.2.2 实现步骤

1.2.3 工作

1.3 针对离散动作空间和离散决策问题实现基于神经网络的强化学策略

1.3.1 前期准备

1.3.2 实现步骤

1.3.3 工作

1.4 针对连续动作空间和连续控制问题实现基于神经网络的强化学策略

1.4.1 前期准备

1.4.2 实现步骤

1.4.3 工作

1.5 将openai gym作为强化学的训练环境

1.5.1 前期准备

1.5.2 实现步骤

1.5.3 工作

1.6 构建神经网络智能体

1.6.1 前期准备

1.6.2 实现步骤

1.6.3 工作

1.7 构建神经网络进化智能体

1.7.1 前期准备

1.7.2 实现步骤

1.7.3 工作

1.8 参资料

第2章 基于价值、策略和行动者-家的深度强化学算法实现

2.1 技术要求

2.2 构建用于训练强化学智能体的环境

2.2.1 前期准备

2.2.2 实现步骤

2.2.3 工作

2.3 构建基于价值的强化学智能体算法

2.3.1 前期准备

2.3.2 实现步骤

2.3.3 工作

2.4 实现时序差分学

2.4.1 前期准备

2.4.2 实现步骤

2.4.3 工作

2.5 构建强化学中的蒙特卡洛预测和控制算法

2.5.1 前期准备

2.5.2 实现步骤

2.5.3 工作

2.6 实现sarsa算法和对应的强化学智能体

2.6.1 前期准备

2.6.2 实现步骤

2.6.3 工作

2.7 构建基于q学的智能体

2.7.1 前期准备

2.7.2 实现步骤

2.7.3 工作

2.8 实现策略梯度

2.8.1 前期准备

2.8.2 实现步骤

2.8.3 工作

2.9 实现行动者-家算法

2.9.1 前期准备

2.9.2 实现步骤

2.9.3 工作

……

第3章 强化学算法的实现

第4章 现实世界中的强化学——构建加密货币交易智能体

第5章 现实世界中的强化学——建立股票/股份交易智能体

第6章 现实世界中的强化学——构建智能体来完成您的待办事项

第7章 在云端部署深度强化学智能体

第8章 使用分布式训练加速深度强化学智能体开发

第9章 深度强化学智能体的多台部署