用Python动手学强化学习(改订第2版)
全新正版 假一赔十 可开发票
￥ 63.93 7.1折 ￥ 89.8 全新
库存8件
北京东城
认证卖家担保交易快速发货售后保障
作者(日)久保隆宏
出版社人民邮电出版社
ISBN9787115564221
出版时间2021-07
装帧平装
开本32开
定价89.8元
货号1202421048
上书时间2025-01-01
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 了解强化学习
1.1 强化学习与各关键词之间的关系
1.2 强化学习的优点和弱点
1.3 强化学习的问题设定：马尔可夫决策过程
第2章 强化学习的解法（1）：根据环境制订计划
2.1 价值的定义和计算：贝尔曼方程
2.2 基于动态规划法的价值近似的学习：价值迭代
2.3 基于动态规划法的策略的学习：策略迭代
2.4 基于模型的方法和无模型的方法的区别
第3章 强化学习的解法（2）：根据经验制订计划
3.1 平衡经验的积累与利用：Epsilon-Greedy算法
3.2 是根据实际奖励还是预测来修正计划：蒙特卡洛方法和时序差分学习
3.3 用经验来更新价值近似还是策略：基于价值和基于策略
第4章 使用面向强化学习的神经网络
4.1 将神经网络应用于强化学习
4.2 通过含有参数的函数实现价值近似：价值函数近似
4.3 将深度学习应用于价值近似：DQN
4.4 通过含有参数的函数实现策略：策略梯度
4.5 将深度学习应用于策略：A2C
4.6 是价值近似还是策略呢
第5章 强化学习的弱点
5.1 获取样本的效率低
5.2 容易陷入局部很优行动和过拟合
5.3 复现性差
5.4 以弱点为前提的对策
第6章 克服强化学习弱点的方法
6.1 应对采样效率低的方法：与基于模型的方法一起使用、表征学习
6.2 改善复现性的方法：进化策略
6.3 应对局部很优行动和过拟合的方法：模仿学习和逆强化学习
第7章 强化学习的应用领域
7.1 行动的很优化
7.2 学习的很优化
参考文献
内容摘要
强化学习是机器学习的重要分支之一。本书结合实际可运行的Python代码，通过简明的文字、丰富的插图和示例，通俗易懂地介绍了从基础概念到前沿应用等方方面面的内容，包括根据环境和经验制订计划的学习方法、强化学习与神经网络的组合，以及强化学习的弱点和克服方法。读者通过下载书中代码并亲自动手运行，可以快速入门强化学习并进行实践。本书适合具有一定编程经验、对强化学习感兴趣的工程师阅读。
主编推荐
1.从基础到应用，一本书快速入门强化学习
2.基于Python实现强化学习，直观理解运作过程
3.内容丰富，涵盖强化学习基本概念、算法详解、前沿应用、弱点及对策
4.132张图表与大量示例，全彩印刷图文并茂提供良好阅读体验
5.附免费下载源代码为读者提供亲身实践机会
— 没有更多了 —
以下为对购买帮助不大的评价