Python强化学习实战:应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习
¥
23.41
3.4折
¥
69
九品
仅1件
作者Sudharsan Ravichandiran 著
出版社机械工业出版社
出版时间2018-12
版次1
装帧其他
货号A6
上书时间2024-12-23
商品详情
- 品相描述:九品
图书标准信息
-
作者
Sudharsan Ravichandiran 著
-
出版社
机械工业出版社
-
出版时间
2018-12
-
版次
1
-
ISBN
9787111612889
-
定价
69.00元
-
装帧
其他
-
开本
16开
-
纸张
胶版纸
- 【内容简介】
-
强化学习是一种重要的机器学习方法,在智能体及分析预测等领域有许多应用。本书共13章,主要包括强化学习的各种要素,即智能体、环境、策略和模型以及相应平台和库;Anaconda、Docker、OpenAIGym、Universe和TensorFlow等安装配置;马尔可夫链和马尔可夫过程及其与强化学习问题建模之间的关系,动态规划的基本概念;蒙特卡罗方法以及不同类型的蒙特卡罗预测和控制方法;时间差分学习、预测、离线/在线策略控制等;多臂赌博机问题以及相关的各种探索策略方法;深度学习的各种基本概念和RNN、LSTM、CNN等神经网络;深度强化学习算法DQN,以及双DQN和对抗网络体系结构等改进架构;DRQN以及DARQN;A3C网络的基本工作原理及架构;策略梯度和优化问题;*后介绍了强化学习的*新进展以及未来发展。
- 【目录】
-
译者序
原书前言
第1章 强化学习简介 //1
1.1 什么是强化学习 //1
1.2 强化学习算法 //2
1.3 强化学习与其他机器学习范式的不同 //3
1.4 强化学习的要素 //3
1.4.1 智能体 //3
1.4.2 策略函数 //3
1.4.3 值函数 //4
1.4.4 模型 //4
1.5 智能体环境接口 //4
1.6 强化学习的环境类型 //5
1.6.1 确定性环境 //5
1.6.2 随机性环境 //5
1.6.3 完全可观测环境 //5
1.6.4 部分可观测环境 //5
1.6.5 离散环境 //5
1.6.6 连续环境 //5
1.6.7 情景和非情景环境 //5
1.6.8 单智能体和多智能体环境 //6
1.7 强化学习平台 //6
1.7.1 OpenAI Gym和Universe //6
1.7.2 DeepMind Lab //6
1.7.3 RL-Glue //6
1.7.4 Project Malmo //6
1.7.5 VizDoom //6
1.8 强化学习的应用 //7
1.8.1 教育 //7
1.8.2 医疗和健康 //7
1.8.3 制造业 //7
1.8.4 库存管理 //7
1.8.5 金融 //7
1.8.6 自然语言处理和计算机视觉 //7
1.9 小结 //8
1.10 问题 //8
1.11 扩展阅读 //8
第2章 从OpenAI和TensorFlow入门 //9
2.1 计算机设置 //9
2.1.1 安装Anaconda //9
2.1.2 安装Docker //10
2.1.3 安装OpenAI Gym和Universe //11
2.2 OpenAI Gym //13
2.2.1 基本模拟 //13
2.2.2 训练机器人行走 //14
2.3 OpenAI Universe //16
2.3.1 构建一个视频游戏机器人 //16
2.4 TensorFlow //20
2.4.1 变量、常量和占位符 //20
2.4.2 计算图 //21
2.4.3 会话 //21
2.4.4 TensorBoard //22
2.5 小结 //25
2.6 问题 //25
2.7 扩展阅读 //25
第3章 马尔可夫决策过程和动态规划 //26
3.1 马尔可夫链和马尔可夫过程 //26
3.2 MDP //27
3.2.1 奖励和回报 //28
3.2.2 情景和连续任务 //28
3.2.3 折扣因数 //28
3.2.4 策略函数 //29
3.2.5 状态值函数 //29
3.2.6 状态—行为值函数(Q函数)//30
3.3 Bellman方程和最优性 //30
3.3.1 推导值函数和Q函数的Bellman方程 //31
3.4 求解Bellman方程 //32
3.4.1 动态规划 //32
3.5 求解冰冻湖问题 //38
3.5.1 值迭代 //39
3.5.2 策略迭代 //43
3.6 小结 //45
3.7 问题 //45
3.8 扩展阅读 //46
第4章 基于蒙特卡罗方法的博弈游戏 //47
4.1 蒙特卡罗方法 //47
4.1.1 利用蒙特卡罗方法估计π值 //47
4.2 蒙特卡罗预测 //50
4.2.1 首次访问蒙特卡罗 //51
4.2.2 每次访问蒙特卡罗 //52
4.2.3 利用蒙特卡罗方法玩二十一点游戏 //52
4.3 蒙特卡罗控制 //58
4.3.1 蒙特卡罗探索开始 //58
4.3.2 在线策略的蒙特卡罗控制 //59
4.3.3 离线策略的蒙特卡罗控制 //61
4.4 小结 //62
4.5 问题 //62
4.6 扩展阅读 //63
第5章 时间差分学习 //64
5.1 时间差分学习 //64
5.2 时间差分预测 //64
5.3 时间差分控制 //66
5.3.1 Q学习 //66
5.3.2 SARSA //72
5.4 Q学习和SARSA之间的区别 //77
5.5 小结 //77
5.6 问题 //78
5.7 扩展阅读 //78
第6章 MAB问题 //79
6.1 MAB问题 //79
6.1.1 ε贪婪策略 //80
6.1.2 Softmax探索算法 //82
6.1.3 UCB算法 //83
6.1.4 Thompson采样算法 //85
6.2 MAB的应用 //86
6.3 利用MAB识别正确的广告标识 //87
6.4 上下文赌博机 //89
6.5 小结 //89
6.6 问题 //89
6.7 扩展阅读 //89
第7章 深度学习基础 //90
7.1 人工神经元 //90
7.2 ANN //91
7.2.1 输入层 //92
7.2.2 隐层 //92
7.2.3 输出层 //92
7.2.4 激活函数 //92
7.3 深入分析ANN //93
7.3.1 梯度下降 //95
7.4 TensorFlow中的神经网络 //99
7.5 RNN //101
7.5.1 基于时间的反向传播 //103
7.6 LSTM RNN //104
7.6.1 利用LSTM RNN生成歌词 //105
7.7 CNN //108
7.7.1 卷积层 //109
7.7.2 池化层 //111
7.7.3 全连接层 //112
7.7.4 CNN架构 //112
7.8 利用CNN对时尚产品进行分类 //113
7.9 小结 //117
7.10 问题 //117
7.11 扩展阅读 //118
第8章 基于DQN的Atari游戏 //119
8.1 什么是DQN //119
8.2 DQN的架构 //120
8.2.1 卷积网络 //120
8.2.2 经验回放 //121
8.2.3 目标网络 //121
8.2.4 奖励裁剪 //122
8.2.5 算法理解 //122
8.3 构建一个智能体来玩Atari游戏 //122
8.4 双DQN //129
8.5 优先经验回放 //130
8.6 对抗网络体系结构 //130
8.7 小结 //131
8.8 问题 //132
8.9 扩展阅读 //132
第9章 基于DRQN玩Doom游戏 //133
9.1 DRQN //133
9.1.1 DRQN架构 //134
9.2 训练一个玩Doom游戏的智能体 //135
9.2.1 基本的Doom游戏 //135
9.2.2 基于DRQN的Doom游戏 //136
9.3 DARQN //145
9.3.1 DARQN架构 //145
9.4 小结 //145
9.5 问题 //146
9.6 扩展阅读 //146
第10章 A3C网络 //147
10.1 A3C //147
10.1.1 异步优势行为者 //147
10.1.2 A3C架构 //148
10.1.3 A3C的工作原理 //149
10.2 基于A3C爬山 //149
10.2.1 TensorBoard中的可视化 //155
10.3 小结 //158
10.4 问题 //158
10.5 扩展阅读 //158
第11章 策略梯度和优化 //159
11.1 策略梯度 //159
11.1.1 基于策略梯度的月球着陆器 //160
11.2 DDPG //164
11.2.1 倒立摆 //165
11.3 TRPO //170
11.4 PPO //173
11.5 小结 //175
11.6 问题 //175
11.7 扩展阅读 //175
第12章 Capstone项目—基于DQN的赛车游戏 //176
12.1 环境封装函数 //176
12.2 对抗网络 //179
12.3 回放记忆 //180
12.4 训练网络 //181
12.5 赛车游戏 //186
12.6 小结 //189
12.7 问题 //189
12.8 扩展阅读 //189
第13章 最新进展和未来发展 //190
13.1 I2A //190
13.2 基于人类偏好的学习 //193
13.3 DQfd //194
13.4 HER //195
13.5 HRL //196
13.5.1 MAXQ值函数分解 //196
13.6 逆向强化学习 //198
13.7 小结 //199
13.8 问题 //199
13.9 扩展阅读 //199
附录 知识点 //200
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价