实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
全新强化学习柯良军,王小强9787302532408
¥ ×1
商品
服务
物流
章 绪论1.1 引言1.2 解决复杂问题的朴素思想1.2.1 数学建模与优化1.2.2 采样和估计1.. 逼近1.2.4 迭代1.3 强化学习简史1.4 本书主要内容及结构1.5 小结1.6 习题参考文献第2章 基础知识2.1 运筹学简明基础2.1.1 无约束非线规划优化方法2.1.2 KKT条件2.1.3 凸规划的质2.2 概率与统计简明基础2.2.1 概率论基本概念2.2.2 概率论的收敛定理2.. 统计学的基本概念2.2.4 优选似然估计法2.2.5 估计量的优良评估2.2.6 采样与随机模拟2.2.7 Monte Carlo方法简介2.2.8 重要采样法. 小结2.4 习题参考文献篇 基于模型的强化学习第3章 多摇臂问题3.1 动作值方法3.2 非平稳多摇臂问题3.3 UCB动作选择3.4 梯度摇臂算法3.5 习题参考文献第4章 Markov决策过程4.1 定义和记号4.2 有限Markov决策过程4.3 Bellman方程4.4 策略4.5 小结4.6 习题参考文献第5章 动态规划5.1 策略评估5.2 策略改进5.3 策略迭代5.4 值迭代5.5 异步动态规划5.6 收敛明5.7 小结5.8 习题参考文献第二篇 基于采样-估计的强化学习第6章 策略评估6.1 基于Monte Carlo方法的策略评估6.1.1 同策略Monte Carlo策略评估6.1.2 异策略Monte Carlo策略评估6.2 基于时序差分方法的策略评估6.3 n步预测6.4 小结6.5 习题参考文献第7章 策略控制7.1 同策略Monte Carlo控制7.2 同策略时序差分学习7.3 异策略学习7.4 基于TD(λ)的策略控制7.5 实例7.5.1 问题介绍7.5.2 MDP模型的要素7.5.3 策略评估7.5.4 策略控制7.6 小结7.7 习题参考文献第8章 学习与规划的整合8.1 模型和规划8.2 Dyna:整合规划、动作和学习8.3 几个概念8.4 在决策关头的规划8.4.1 启发式算法8.4.2 rollout算法8.4.3 Monte Carlo树搜索8.5 小结8.6 习题参考文献第三篇 基于逼近理论的强化学习第9章 值函数逼近9.1 基于随机梯度下降法的值函数逼近9.2 基于随机梯度下降法的-值函数逼近9.3 批处理9.3.1 线二乘值函数逼近9.3.2 线二乘-值函数逼近9.4 小结9.5 习题参考文献0章 策略逼近10.1 策略梯度法10.1.1 参数问题的目标函数10.1.2 策略梯度10.1.3 梯度计算10.1.4 REINFORCE算法10.2 方差减少方法10.2.1 利用一个评论10.2.2 利用基准线10.3 小结10.4 习题参考文献1章 信赖域策略优化11.1 预备知识11.2 单调改进一般随机策略的方法11.3 参数化策略的优化11.4 基于采样的目标和约束估计11.5 实用算法11.6 小结11.7 习题参考文献第四篇 深度强化学习2章 深度学习12.1 神经网络基础12.1.1 神经网络解决问题的基本流程12.1.2 激活函数12.1.3 损失函数12.1.4 优化算法12.2 典型深度神经网络结构12.2.1 深度的作用12.2.2 卷积神经网络12.. 循环神经网络参考文献3章 深度-网络13.1 DN原理13.1.1 预处理13.1.2 网络结构13.1.3 算法13.1.4 深度-网络的训练算法13.1.5 算法详细说明13.2 DN实例13.2.1 Atari 2600游戏介绍13.2.2 DN算法的实现13.3 小结13.4 习题参考文献4章 深度确定策略梯度14.1 DDPG算法介绍14.1.1 DDPG算法的发展介绍14.1.2 DDPG算法的原理解析14.2 DDPG算法的实现14.2.1 Mujoco的安装及使用14.2.2 DDPG算法的实现解析14.. DDPG算法的训练和测试参考文献5章 多智能体强化学习15.1 多智能体强化学习介绍15.1.1 多智能体强化学习的发展简述15.1.2 随机博弈15.1.3 纳什-学习15.2 平均场多智能体强化学习原理15.2.1 平均场近似理论15.2.2 平均场多智能体强化学习算法15.3 平均场多智能体实验15.3.1 MAgent平台15.3.2 混合合作-竞争的战斗游戏介绍15.3.3 MF-和MF-AC算法的实现解析15.3.4 战斗游戏的训练与测试参考文献
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员