深入浅出强化学习 编程实战
正版新书 新华官方库房直发 可开电子发票
￥ 48.95 5.5折 ￥ 89 全新
仅1件
作者郭宪,宋俊潇,方勇纯
出版社电子工业出版社
ISBN9787121367465
出版时间2020-03
版次1
装帧平装
开本16开
纸张胶版纸
页数264页
字数354千字
定价89元
货号SC:9787121367465
上书时间2024-11-08
- 在售商品 暂无
- 平均发货时间 16小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
郭宪，南开大学人工智能学院讲师。2009年毕业于华中科技大学机械设计制造及自动化专业，同年保送到中国科学院沈阳自动化研究所进行硕博连读，2016年1月获得工学博士学位，并到南开大学从事博士后研究工作，2018年7月任教于南开大学至今。目前主要研究方向和兴趣是仿生机器人智能运动控制、强化学习和机器人博弈。__eol____eol__宋俊潇，香港科技大学博士，目前就职于启元世界，担任研究科学家，专注于决策智能相关算法的研究与开发。博士期间在国际知名期刊和会议发表论文9篇。2015年，获得阿里巴巴天池大数据黄金联赛个人年度第1名（参赛队伍总计15154支）。曾就职于网易游戏，担任资深数据挖掘研究员，负责个性化推荐算法及基于深度强化学习的游戏AI技术的探索研究，三次获得公司层面的技术进步奖。__eol____eol__方勇纯，南开大学人工智能学院院长、教授、博士生导师，国家杰出青年基金获得者（2013年），教育部长江学者特聘教授（2017年）。1992~1994年在浙江大学混合班（尖子班）学习，获混合班荣誉证书。1996年和1999年分获浙江大学学士和硕士学位，2002年获美国克莱姆森大学（Clemson University）电机工程博士学位。2002至2003年在康乃尔大学（Cornell University）从事博士后研究。2003年底至今，任教于南开大学。目前主要研究方向为机器人视觉控制、无人机、欠驱动吊车系统和微纳米操作。
主编推荐:
"本书是《深入浅出强化学习：原理入门》的姐妹篇。
1 实战性强：以编程实战为主线，旨在帮助读者通过实战更清晰地理解算法并快速应用。
2 系统全面：在马尔可夫理论框架下，介绍了最基本的算法，涵盖了基于值函数的算法，直接策略搜索方法，基于模型的强化学习方法等。
3 前沿技术分析：剖析了AlphaZero强大技术背后的深度强化学习原理，并介绍了它在五子棋上的具体实现。
4 操作性强：读者可根据书中的代码直接上手，并通过修改程序中的超参数，亲自体会算法原理。"
内容简介:
《深入浅出强化学习：编程实战》是《深入浅出强化学习：原理入门》的姊妹篇，写作的初衷是通过编程实例帮助那些想要学习强化学习算法的读者更深入、更清楚地理解算法。
本书首先介绍马尔可夫决策过程的理论框架，然后介绍基于动态规划的策略迭代算法和值迭代算法，在此基础上分3篇介绍了目前强化学习算法中最基本的算法。第1篇讲解基于值函数的强化学习算法，介绍了基于两种策略评估方法（蒙特卡洛策略评估和时间差分策略评估）的强化学习算法，以及如何将函数逼近的方法引入强化学习算法中。第2篇讲解直接策略搜索方法，介绍了基本的策略梯度方法、AC方法、PPO方法和DDPG算法。第3篇讲解基于模型的强化学习方法，介绍了基于MPC的方法、AlphaZero算法基本原理及在五子棋上的具体实现细节。建议读者根据书中的代码亲自动手编程，并修改程序中的超参数，根据运行结果不断体会算法原理。
目录:
第0篇先导篇1
1一个极其简单的强化学习实例2
1.1多臂赌博机2
1.1.1??greedy策略3
1.1.2玻尔兹曼策略.6
1.1.3UCB策略7
1.2多臂赌博机代码实现7
2马尔可夫决策过程13
2.1从多臂赌博机到马尔可夫决策过程13
2.2马尔可夫决策过程代码实现23
第1篇基于值函数的方法31
3基于动态规划的方法32
3.1策略迭代与值迭代.32
3.1.1策略迭代算法原理33
3.1.2值迭代算法原理35
3.2策略迭代和值迭代的代码实现36
3.2.1鸳鸯环境的修改36
3.2.2策略迭代算法代码实现37
3.2.3值迭代算法代码实现.41
4基于蒙特卡洛的方法45
4.1蒙特卡洛算法原理46
4.2蒙特卡洛算法的代码实现49
4.2.1环境类的修改和蒙特卡洛算法类的声明49
4.2.2探索初始化蒙特卡洛算法实现52
4.2.3同策略蒙特卡洛算法实现.56
5基于时间差分的方法62
5.1从动态规划到时间差分强化学习62
5.2时间差分算法代码实现66
5.2.1时间差分算法类的声明66
5.2.2SARSA算法.67
5.2.3Q-Learning算法70
6基于函数逼近的方法74
6.1从表格型强化学习到线性函数逼近强化学习74
6.1.1表格特征表示74
6.1.2固定稀疏表示75
6.1.3参数的训练76
6.2基于线性函数逼近的Q-Learning算法实现76
6.3非线性函数逼
...
— 没有更多了 —
以下为对购买帮助不大的评价