消息首页搜索举报

动手学强化学习张伟楠沈键俞勇人民邮电出版社 9787115584519

正版旧书里面部分笔记内容完好可正常使用旧书不附带光盘

23.04 八五品

库存7件

江西南昌

认证卖家担保交易快速发货售后保障

作者张伟楠沈键俞勇

出版社人民邮电出版社

ISBN9787115584519

出版时间2022-05

装帧线装

页数246页

货号4600123

上书时间2024-04-12

有路官方旗舰店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 11小时
好评率暂无

最新上架

风吹哪页读哪页(耀眼女孩气质提升的速查手册,精选20个几乎每人每天都会面对的场景和情绪,由深入浅,快速查找。) 飞扬文室编,欣梦享出品江苏文艺出版社 9787559476005

风吹哪页读哪页(耀眼女孩气质提升的速查手册,精选20个几乎每人每天都会面对的场景和情绪,由深入浅,快速查找。) 飞扬文室编,欣梦享出品江苏文艺出版社 9787559476005 ¥25.00

通信原理学习指导张辉西安电子科技大学出版社 9787560611075

通信原理学习指导张辉西安电子科技大学出版社 9787560611075 ¥5.60

2017-考研英语阅读同源外刊时文精析何凯文中国原子能出版社 9787502266547

2017-考研英语阅读同源外刊时文精析何凯文中国原子能出版社 9787502266547 ¥5.00

壮壮老师与插班生何捷福建少年儿童出版社 9787539563725

壮壮老师与插班生何捷福建少年儿童出版社 9787539563725 ¥8.00

女装结构设计(下册)(第二2版) 王建萍东华大学出版社 9787566902221

女装结构设计(下册)(第二2版) 王建萍东华大学出版社 9787566902221 ¥8.68

城市轨道交通概论高洁中国劳动社会保障出版社 9787516745939

城市轨道交通概论高洁中国劳动社会保障出版社 9787516745939 ¥12.00

阳光姐姐小说派23女巫的长不大药水伍美珍童趣出版有限公司人民邮电出版社 9787115432063

阳光姐姐小说派23女巫的长不大药水伍美珍童趣出版有限公司人民邮电出版社 9787115432063 ¥5.90

现代汉语教程(第二2版) 周建设人民教育出版社 9787107288807

现代汉语教程(第二2版) 周建设人民教育出版社 9787107288807 ¥6.95

运动生物力学/高等教育体育学精品教材运动生物力学编写组北京体育大学出版社 9787564413941

运动生物力学/高等教育体育学精品教材运动生物力学编写组北京体育大学出版社 9787564413941 ¥19.70

商品详情

品相描述：八五品

商品描述: 温馨提示：亲！旧书库存变动比较快，有时难免会有断货的情况，为保证您的利益，拍前请务必联系卖家咨询库存情况！谢谢！

书名：动手学强化学习
编号：4600123
ISBN：9787115584519[十位:]
作者：张伟楠沈键俞勇
出版社：人民邮电出版社
出版日期：2022年05月
页数：246
定价：89.90 元
参考重量：0.500Kg
-------------------------

新旧程度：6-9成新左右，不影响阅读，详细情况请咨询店主
如图书附带、磁带、学习卡等请咨询店主是否齐全

* 图书目录 *

第一部分强化学习基础第 1 章初探强化学习 2 1.1 简介 2 1.2 什么是强化学习 2 1.3 强化学习的环境 4 1.4 强化学习的目标 4 1.5 强化学习中的数据 5 1.6 强化学习的独特性 6 1.7 小结 6 第 2 章多臂老虎机问题 7 2.1 简介 7 2.2 问题介绍 7 2.2.1 问题定义 7 2.2.2 形式化描述 8 2.2.3 累积懊悔 8 2.2.4 估计期望奖励 8 2.3 探索与利用的平衡 10 2.4 -贪婪算法 11 2.5 上置信界算法 14 2.6 汤普森采样算法 16 2.7 小结 18 2.8 参考文献 18 第 3 章马尔可夫决策过程 19 3.1 简介 19 3.2 马尔可夫过程 19 3.2.1 随机过程 19 3.2.2 马尔可夫性质 19 3.2.3 马尔可夫过程 20 3.3 马尔可夫奖励过程 21 3.3.1 回报 21 3.3.2 价值函数 22 3.4 马尔可夫决策过程 24 3.4.1 策略 25 3.4.2 状态价值函数 25 3.4.3 动作价值函数 25 3.4.4 贝尔曼期望方程 25 3.5 蒙特卡洛方法 28 3.6 占用度量 31 3.7 策略 32 3.8 小结 33 3.9 参考文献 33 第 4 章动态规划算法 34 4.1 简介 34 4.2 悬崖漫步环境 34 4.3 策略迭代算法 36 4.3.1 策略评估 36 4.3.2 策略提升 36 4.3.3 策略迭代 37 4.4 价值迭代算法 40 4.5 冰湖环境 42 4.6 小结 45 4.7 扩展阅读:收敛性证明 45 4.7.1 策略迭代 45 4.7.2 价值迭代 45 4.8 参考文献 46 第 5 章时序差分算法 47 5.1 简介 47 5.2 时序差分 48 5.3 Sarsa 算法 48 5.4 多步 Sarsa 算法 53 5.5 Q-learning 算法 56 5.6 小结 60 5.7 扩展阅读:Q-learning 收敛性证明 61 5.8 参考文献 62 第 6 章 Dyna-Q 算法 63 6.1 简介 63 6.2 Dyna-Q 63 6.3 Dyna-Q 代码实践 64 6.4 小结 69 6.5 参考文献 69 第二部分强化学习进阶第 7 章 DQN算法 72 7.1 简介 72 7.2 车杆环境 72 7.3 DQN 73 7.3.1 经验回放 74 7.3.2 目标网络 74 7.4 DQN代码实践 75 7.5 以图像作为输入的DQN算法 79 7.6 小结 80 7.7 参考文献 80 第 8 章 DQN改进算法 81 8.1 简介 81 8.2 Double DQN 81 8.3 Double DQN代码实践 82 8.4 Dueling DQN 88 8.5 Dueling DQN代码实践 90 8.6 小结 93 8.7 扩展阅读:对Q值过高估计的定量分析 93 8.8 参考文献 94 第 9 章策略梯度算法 95 9.1 简介 95 9.2 策略梯度 95 9.3 REINFORCE 96 9.4 REINFORCE代码实践 97 9.5 小结 100 9.6 扩展阅读:策略梯度证明 100 9.7 参考文献 102 第 10 章 Actor-Critic算法 103 10.1 简介 103 10.2 Actor-Critic 103 10.3 Actor-Critic代码实践 105 10.4 小结 108 10.5 参考文献 108 第 11 章 TRPO算法 109 11.1 简介 109 11.2 策略目标 109 11.3 近似求解 111 11.4 共轭梯度 112 11.5 线性搜索 112 11.6 广义优势估计 113 11.7 TRPO代码实践 114 11.8 小结 122 11.9 参考文献 123 第 12 章 PPO算法 124 12.1 简介 124 12.2 PPO-惩罚 124 12.3 PPO-截断 125 12.4 PPO代码实践 125 12.5 小结 131 12.6 参考文献 132 第 13 章 DDPG算法 133 13.1 简介 133 13.2 DDPG 133 13.3 DDPG代码实践 135 13.4 小结 140 13.5 扩展阅读:确定性策略梯度定理的证明 140 13.6 参考文献 141 第 14 章 SAC算法 142 14.1 简介 142 14.2 熵强化学习 142 14.3 Soft策略迭代 143 14.4 SAC 143 14.5 SAC代码实践 145 14.6 小结 154 14.7 参考文献 155 第三部分强化学习前沿第 15 章模仿学习 158 15.1 简介 158 15.2 行为克隆 159 15.3 生成对抗模仿学习 159 15.4 代码实践 160 15.4.1 生成专家数据 160 15.4.2 行为克隆的代码实践 163 15.4.3 生成对抗模仿学习的代码实践 165 15.5 小结 167 15.6 参考文献 168 第 16 章模型预测控制 169 16.1 简介 169 16.2 打靶法 169 16.2.1 随机打靶法 170 16.2.2 交叉熵方法 170 16.3 PETS算法 171 16.4 PETS算法实践 172 16.5 小结 179 16.6 参考文献 179 第 17 章基于模型的策略优化 180 17.1 简介 180 17.2 MBPO算法 180 17.3 MBPO代码实践 181 17.4 小结 192 17.5 拓展阅读:MBPO理论分析 192 17.5.1 性能提升的单调性保障 192 17.5.2 模型推演长度 192 17.6 参考文献 193 第 18 章离线强化学习 194 18.1 简介 194 18.2 批量限制 Q-learning算法 195 18.3 保守 Q-learning算法 197 18.4 CQL代码实践 199 18.5 小结 208 18.6 扩展阅读 208 18.7 参考文献 210 第 19 章目标导向的强化学习 211 19.1 简介 211 19.2 问题定义 211 19.3 HER算法 212 19.4 HER代码实践 213 19.5 小结 221 19.6 参考文献 221 第 20 章多智能体强化学习入门 222 20.1 简介 222 20.2 问题建模 223 20.3 多智能体强化学习的基本求解范式 223 20.4 IPPO算法 223 20.5 IPPO代码实践 224 20.6 小结 228 20.7 参考文献 229 第 21 章多智能体强化学习进阶 230 21.1 简介 230 21.2 MADDPG算法 230 21.3 MADDPG代码实践 232 21.4 小结 240 21.5 参考文献 240 总结与展望 241 总结 241 展望:克服强化学习的落地挑战 241 中英文术语对照表与符号表 244 中英文术语对照表 244 符号表 246

— 没有更多了 —

店铺评价

消息首页搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用

暂时不用

打开孔网APP