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:

  • 强化学习入门 基于Python 吴喜之,张敏 编 专业科技 文轩网
  • 新华书店正版
    • 作者: 吴喜之 张敏著
    • 出版社: 中国人民大学出版社
    • 出版时间:2023-03-01 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: 吴喜之 张敏著
    • 出版社:中国人民大学出版社
    • 出版时间:2023-03-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-03-01
    • 字数:296
    • 页数:192
    • 开本:其他
    • 装帧:平装
    • ISBN:9787300313818
    • 国别/地区:中国
    • 版权提供:中国人民大学出版社

    强化学习入门 基于Python

    作  者:吴喜之,张敏 编
    定  价:49
    出 版 社:中国人民大学出版社
    出版日期:2023年03月01日
    页  数:192
    装  帧:平装
    ISBN:9787300313818
    主编推荐

    内容简介

    强化学习是机器学习的重要组成部分。本书采用理论与实践相结合的写法,从强化学习的基本概念开始,详细介绍了强化学习的算法理论和实践操作,配有Python代码实现,完整呈现强化学习算法的实践细节。通过这本书你将会:
    (1)理解强化学习最关键方面的问题。
    (2)探索马尔可夫决策过程及动态规划的过程。
    (3)深入理解强化学习的各种方法,包括MC方法,TD方法,深度学习Q方法,SARSA方法等。
    (4)通过大量的现实例子及Python实现程序,不断地实践,成为强化学习的高手。

    作者简介

    精彩内容

    目录
    第一部分强化学习基础与实践
    第1章引言
    1.1从迷宫问题谈起
    1.1.1人类和动物所面对的迷宫问题
    1.1.2迷宫的说明性例子
    1.1.3例1.1:奖励矩阵
    1.1.4例1.1:训练以得到关于状态和行动的奖励:Q矩阵
    1.1.5例1.1:使用Q矩阵来得到很优行动(路径)
    1.1.6例1.1:把代码组合成class
    1.2热身:井字游戏
    1.2.1两个真人的简单井字游戏
    1.2.2人和机器的井字游戏的强化学习实践
    1.2.3井字游戏的强化学习代码解释
    1.2.4整个训练过程
    1.2.5使用训练后的模型做人机游戏
    1.2.61.2.1节代码
    1.2.7附录:1.2.3节人和机器的井字游戏代码
    1.3强化学习的基本概念
    1.4马尔可夫决策过程的要素
    1.5作为目标的奖励
    1.6探索与开发的权衡
    1.6.1探索与开发
    1.6.2强化学习中的优化和其他学科的区别
    1.7本书将会讨论和运算的一些例子
    1.7.1例1.3格子路径问题
    1.7.2例1.4出租车问题
    1.7.3例1.5推车杆问题
    1.7.4例1.6倒立摆问题
    1.7.5例1.7多臂老虎机问题
    1.7.6例1.7和其他例子(例1.3、例1.5及例1.6)的区别
    第2章马尔可夫决策过程和动态规划
    2.1马尔可夫决策过程简介
    2.1.1马尔可夫性
    2.1.2策略
    2.1.3作为回报期望的价值函数
    2.1.4通过例1.3格子路径问题理解本节概念
    2.2动态规划
    2.2.1动态规划简介
    2.2.2Bellman方程
    2.2.3很优策略和很优价值函数
    2.3强化学习基本方法概述
    2.3.1代理与环境的互动
    2.3.2策略迭代:策略评估和策略改进
    2.3.3价值迭代
    2.3.4策略迭代与价值迭代比较
    2.3.5异步动态规划
    2.3.6广义策略迭代
    2.3.7策略梯度
    2.3.8off-policy,on-policy和offlineRL
    2.4蒙特卡罗抽样
    2.4.1MC策略评估
    2.4.2MC状态-行动值的估计
    2.4.3on-policy:Q价值的MC估计
    2.4.4off-policy:MC预测
    2.4.5MC的策略梯度
    2.5和本章概念相关的例子
    2.5.1例1.3格子路径问题使用Bellman方程做价值迭代
    2.5.2例1.3格子路径问题的TD函数
    第3章各种机器学习算法及实例
    3.1暂时差(TD)简介
    3.1.1TD、DP和MC算法的比较
    3.1.2TD方法的特点
    3.1.3TD(0)方法的延伸
    3.2TD评估及策略改进
    3.2.1SARSA(on-policy)
    3.2.2Q学习(off-policy)
    3.2.3加倍Q学习(off-policy)
    3.3函数逼近及深度学习算法
    3.3.1基于价值和策略的函数逼近
    3.3.2深度Q学习
    3.3.3TD:演员-批评者(AC)架构
    3.3.4A2C算法步骤
    3.3.5A3C算法
    3.3.6DDPG算法
    3.3.7ES算法
    3.3.8PPO算法
    3.3.9SAC算法
    3.4用第1章的例子理解本章算法
    3.4.1例1.3格子路径问题:SARSA
    3.4.2例1.4出租车问题:SARSA
    3.4.3例1.3格子路径问题:加倍Q学
    3.4.4例1.5推车杆问题:深度Q学习
    3.4.5例1.5推车杆问题:A3C
    3.4.6例1.6倒立摆问题:DDPG
    3.4.7例1.5推车杆问题:ES
    3.4.8例1.5推车杆问题:PPO-Clip
    3.4.9例1.6倒立摆问题:SAC
    第二部分:软件及一些数学知识
    第4章Python基础
    4.1引言
    4.2安装
    4.2.1安装及开始体验
    4.2.2运行Notebook
    4.3基本模块的编程
    4.4Numpy模块
    4.5Pandas模块
    4.6Matplotlib模块
    4.7Python的类——面向对象编程简介
    4.7.1类的基本结构
    4.7.2计算最小二乘回归的例子
    4.7.3子类
    第5章PyTorch与深度学习
    5.1作为机器学习一部分的深度学习
    5.2PyTorch简介
    5.3神经网络简介
    5.3.1神经网络概述
    5.3.2梯度下降法
    5.3.3深度神经网络的PyTorch表示
    5.4深度学习的步骤
    5.4.1定义神经网络
    5.4.2转换数据成训练需要的格式
    5.4.3训练并评估结果
    第6章回顾一些数学知识
    6.1条件概率和条件期望
    6.2范数和收缩
    6.3线性代数
    6.3.1特征值和特征向量
    6.3.2随机矩阵
    6.4马尔可夫决策过程
    6.4.1马尔可夫链和马尔可夫决策过程
    6.4.2策略
    6.4.3关于时间视界的优化
    6.5Bellman方程
    6.5.1有折扣无限视界问题的Bellman问题
    6.5.2无折扣无限视界问题的Bellman问题
    6.6动态规划
    6.6.1价值迭代
    6.6.2策略迭代

    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