返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 强化学习 原理与Phthon实现 肖智清 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 肖智清著
    • 出版社: 机械工业出版社
    • 出版时间:2019-07-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 肖智清著
    • 出版社:机械工业出版社
    • 出版时间:2019-07-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2019-07-01
    • 字数:null千字
    • 页数:239
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111631774
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    强化学习 原理与Phthon实现

    作  者:肖智清 著
    定  价:89
    出 版 社:机械工业出版社
    出版日期:2019年08月01日
    页  数:239
    装  帧:平装
    ISBN:9787111631774
    主编推荐

      

    内容简介

    全书分为三个部分。第壹部分了解强化学习应用,了解强化学习基本知识,搭建强化学习测试环境。该部分包括:强化学习的概况、强化学习简单示例、强化学习算法的常见思想、强化学习的应用、强化学习测试环境的搭建。第二部分介绍强化学习理论与深度强化学习算法。强化学习理论部分:Markov决策过程的数学描述、Monte Carlo方法和时序差分方法的数学理论;深度强化学习算法部分:详细剖析全部具有重要影响力的深度强化学习算法,结合TensorFlow实现源码。第三部分介绍强化学习综合应用案例。

    作者简介

      

    精彩内容

    目录
    前言
    章初识强化学习1
    1.1强化学习及其关键元素1
    1.2强化学习的应用3
    1.3智能体/环境接口4
    1.4强化学习的分类6
    1.4.1按任务分类6
    1.4.2按算法分类7
    1.5如何学习强化学习8
    1.5.1学习路线9
    1.5.2学习资源9
    1.6案例:基于Gym库的智能体/环境交互9
    1.6.1安装Gym库10
    1.6.2使用Gym库10
    1.6.3小车上山12
    1.7本章小结14
    第2章Markov决策过程16
    2.1Markov决策过程模型16
    2.1.1离散时间Markov决策过程16
    2.1.2环境与动力18
    2.1.3智能体与策略19
    2.1.4奖励、回报与价值函数19
    2.2Bellman期望方程21
    2.3最优策略及其性质25
    2.3.1最优策略与最优价值函数25
    2.3.2Bellman最优方程25
    2.3.3用Bellman最优方程求解最优策略29
    2.4案例:悬崖寻路31
    2.4.1实验环境使用31
    2.4.2求解Bellman期望方程32
    2.4.3求解Bellman最优方程33
    2.5本章小结35
    第3章有模型数值迭代37
    3.1度量空间与压缩映射37
    3.1.1度量空间及其完备性37
    3.1.2压缩映射与Bellman算子38
    3.1.3Banach不动点定理39
    3.2有模型策略迭代40
    3.2.1策略评估40
    3.2.2策略改进42
    3.2.3策略迭代44
    3.3有模型价值迭代45
    3.4动态规划46
    3.4.1从动态规划看迭代算法46
    3.4.2异步动态规划47
    3.5案例:冰面滑行47
    3.5.1实验环境使用48
    3.5.2有模型策略迭代求解49
    3.5.3有模型价值迭代求解51
    3.6本章小结52
    第4章回合更新价值迭代54
    4.1同策回合更新54
    4.1.1同策回合更新策略评估54
    4.1.2带起始探索的同策回合更新58
    4.1.3基于柔性策略的同策回合更新60
    4.2异策回合更新62
    4.2.1重要性采样62
    4.2.2异策回合更新策略评估64
    4.2.3异策回合更新最优策略求解65
    4.3案例:21点游戏66
    4.3.1实验环境使用66
    4.3.2同策策略评估67
    4.3.3同策最优策略求解70
    4.3.4异策策略评估72
    4.3.5异策最优策略求解73
    4.4本章小结74
    第5章时序差分价值迭代76
    5.1同策时序差分更新76
    5.1.1时序差分更新策略评估78
    5.1.2SARSA算法81
    5.1.3期望SARSA算法83
    5.2异策时序差分更新85
    5.2.1基于重要性采样的异策算法85
    5.2.2Q学习86
    5.2.3双重Q学习87
    5.3资格迹89
    5.3.1λ回报89
    5.3.2TD(λ)90
    5.4案例:出租车调度92
    5.4.1实验环境使用93
    5.4.2同策时序差分学习调度94
    5.4.3异策时序差分学习调度97
    5.4.4资格迹学习调度99
    5.5本章小结100
    第6章函数近似方法101
    6.1函数近似原理101
    6.1.1随机梯度下降101
    6.1.2半梯度下降103
    6.1.3带资格迹的半梯度下降105
    6.2线性近似107
    6.2.1精确查找表与线性近似的关系107
    6.2.2线性最小二乘策略评估107
    6.2.3线性最小二乘最优策略求解109
    6.3函数近似的收敛性109
    6.4深度Q学习110
    6.4.1经验回放111
    6.4.2带目标网络的深度Q学习112
    6.4.3双重深度Q网络114
    6.4.4对偶深度Q网络114
    6.5案例:小车上山115
    6.5.1实验环境使用116
    6.5.2用线性近似求解最优策略117
    6.5.3用深度Q学习求解最优策略120
    6.6本章小结123
    第7章回合更新策略梯度方法125
    7.1策略梯度算法的原理125
    7.1.1函数近似与动作偏好125
    7.1.2策略梯度定理126
    7.2同策回合更新策略梯度算法128
    7.2.1简单的策略梯度算法128
    7.2.2带基线的简单策略梯度算法129
    7.3异策回合更新策略梯度算法131
    7.4策略梯度更新和极大似然估计的关系132
    7.5案例:车杆平衡132
    7.5.1同策策略梯度算法求解最优策略133
    7.5.2异策策略梯度算法求解最优策略135
    7.6本章小结137
    第8章执行者/评论者方法139
    8.1同策执行者/评论者算法139
    8.1.1动作价值执行者/评论者算法140
    8.1.2优势执行者/评论者算法141
    8.1.3带资格迹的执行者/评论者算法143
    8.2基于代理优势的同策算法143
    8.2.1代理优势144
    8.2.2邻近策略优化145
    8.3信任域算法146
    8.3.1KL散度146
    8.3.2信任域147
    8.3.3自然策略梯度算法148
    8.3.4信任域策略优化151
    8.3.5Kronecker因子信任域执行者/评论者算法152
    8.4重要性采样异策执行者/评论者算法153
    8.4.1基本的异策算法154
    8.4.2带经验回放的异策算法154
    8.5柔性执行者/评论者算法157
    8.5.1熵157
    8.5.2奖励工程和带熵的奖励158
    8.5.3柔性执行者/评论者的网络设计159
    8.6案例:双节倒立摆161
    8.6.1同策执行者/评论者算法求解最优策略162
    8.6.2异策执行者/评论者算法求解最优策略168
    8.7本章小结170
    第9章连续动作空间的确定性策略172
    9.1同策确定性算法172
    9.1.1策略梯度定理的确定性版本172
    9.1.2基本的同策确定性执行者/评论者算法174
    9.2异策确定性算法176
    9.2.1基本的异策确定性执行者/评论者算法177
    9.2.2深度确定性策略梯度算法177
    9.2.3双重延迟深度确定性策略梯度算法178
    9.3案例:倒立摆的控制180
    9.3.1用深度确定性策略梯度算法求解181
    9.3.2用双重延迟深度确定性算法求解184
    9.4本章小结187
    0章综合案例:电动游戏188
    10.1Atari游戏环境188
    10.1.1Gym库的完整安装188
    10.1.2游戏环境使用190
    10.2基于深度Q学习的游戏AI191
    10.2.1算法设计192
    10.2.2智能体的实现193
    10.2.3智能体的训练和测试197
    10.3本章小结198
    1章综合案例:棋盘游戏200
    11.1双人确定性棋盘游戏200
    11.1.1五子棋和井字棋200
    11.1.2黑白棋201
    11.1.3围棋202
    11.2AlphaZero算法203
    11.2.1回合更新树搜索203
    11.2.2深度残差网络206
    11.2.3自我对弈208
    11.2.4算法流程210
    11.3棋盘游戏环境boardgame2210
    11.3.1为Gym库扩展自定义环境211
    11.3.2boardgame2设计211
    11.3.3Gym环境接口的实现214
    11.3.4树搜索接口的实现216
    11.4AlphaZero算法实现218
    11.4.1智能体类的实现218
    11.4.2自我对弈的实现223
    11.4.3训练智能体224
    11.5本章小结225
    2章综合案例:自动驾驶226
    12.1AirSim开发环境使用226
    12.1.1安装和运行AirSim226
    12.1.2用Python访问AirSim228
    12.2基于强化学习的自动驾驶229
    12.2.1为自动驾驶设计强化学习环境230
    12.2.2智能体设计和实现235
    12.2.3智能体的训练和测试237
    12.3本章小结239

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购