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:
本店所有商品

  • 正版新书 深度强化学习 [荷兰] 阿斯克·普拉特(Aske Plaat)著 殷海英 译 清华大学出版社 机器学习
  • 新商品上架
    • 作者: 阿斯克·普拉特著 | | 殷海英译
    • 出版社: 清华大学出版社
    • 出版时间:2024-01
    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:
    江莱图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 阿斯克·普拉特著| 殷海英译
    • 出版社:清华大学出版社
    • 出版时间:2024-01
    • 开本:16开
    • ISBN:9787302659792
    • 版权提供:清华大学出版社

     书名:  深度强化学习
     出版社:  清华大学出版社
     出版日期  2024
     ISBN号:  9787302659792

    近年来,深度强化学习成为关注的热点。在自动驾驶、棋牌游戏、分子重排和机器人等领域,计算机程序能够通过强化学习,理解以前被视为超级困难的问题,取得了令人瞩目的成果。在围棋比赛中,AlphaGo接连战胜樊麾、李世石和柯洁等人类冠军。深度强化学习从生物学和心理学领域的研究中受到启发。生物学激发了人工神经网络和深度学习的出现,而心理学研究人和动物如何学习,如何通过正负刺激来强化目标行为。了解了强化学习如何指导机器人行走时,我们不禁联想到儿童如何在玩中学习。动物行为和大脑结构可作为新的科学和工程蓝图。计算机似乎真正具备了人类的某些行为特征,深度强化学习技术成为实现AI梦想的核心。

    教育界也十分重视深度强化学习的研究进展。许多大学开设了深度强化学习课程。本书恰到好处地介绍了深度强化学习领域的技术细节,可作为AI研究生课程的教材。本书讲解全面,涵盖深度Q-learning的基本算法,乃至多智能体强化学习和元学习等高级主题。



    Aske Plaat是荷兰莱顿大学的数据科学教授,兼任莱顿高级计算机科学研究所(LIACS)主任。Aske是莱顿数据科学中心(LCDS)的联合创始人,发起了跨学科研究项目“社会、人工智能与生命科学”(SAILS)。Aske的研究领域包括强化学习、可扩展的组合推理算法、游戏和自学习系统。

    研究领域的成功引起了教育者的关注,各个大学相继开始推出相关课程。本书的目标是全面介绍深度强化学习这个领域。它是为人工智能专业的研究生,以及想要更好地了解深度强化学习方法和挑战的研究人员和从业者编写的。我们假设读者具备计算机科学和人工智能方面的本科水平,并对这些内容有基本的了解;本书使用的编程语言是 Python。我们将描述深度强化学习的基础、算法和应用。本书将涵盖构成该领域基础的已建立的无模型和有模型方法。由于该技术发展迅速,本书还将涵盖更高级的主题:深度多智能体强化学习、深度分层强化学习和深度元学习。

    目    录

    第1章  简介 1
    1.1  什么是深度强化学习 1
    1.1.1  深度学习 2
    1.1.2  强化学习 2
    1.1.3  深度强化学习 3
    1.1.4  应用 3
    1.1.5  四个相关领域 6
    1.2  三种机器学习范式 10
    1.2.1  监督学习 12
    1.2.2  无监督学习 13
    1.2.3  强化学习 14
    1.3  本书概述 15
    1.3.1  预备知识 16
    1.3.2  本书结构 17
    第2章  表格值为基础的强化学习 21
    2.1  序贯决策问题 22
    2.1.1  网格世界 23
    2.1.2  迷宫和盒子谜题 23
    2.2  基于表格值的智能体 24
    2.2.1  智能体和环境 25
    2.2.2  马尔可夫决策过程 25
    2.2.3  MDP目标 31
    2.2.4  MDP问题的解决方法 35
    2.3  经典的Gym环境 50
    2.3.1  Mountain car和Cartpole 50
    2.3.2  路径规划与棋盘游戏 51
    2.4  本章小结 51
    2.5  扩展阅读 53
    2.6  练习 53
    2.6.1  复习题 53
    2.6.2  练习题 54
    第3章  基于值的深度强化学习 57
    3.1  大规模、高维度问题 60
    3.1.1  Atari街机游戏 60
    3.1.2  实时战略游戏和视频游戏 62
    3.2  深度值函数智能体 62
    3.2.1  利用深度学习对大规模问题进行泛化 62
    3.2.2  三个挑战 65
    3.2.3  稳定的基于值的深度学习 67
    3.2.4  提升探索能力 72
    3.3  Atari 2600环境 75
    3.3.1  网络结构 76
    3.3.2  评估Atari游戏表现 76
    3.4  本章小结 77
    3.5  扩展阅读 78
    3.6  习题 78
    3.6.1  复习题 78
    3.6.2  练习题 79
    第4章  基于策略的强化学习 81
    4.1  连续问题 82
    4.1.1  连续策略 82
    4.1.2  随机策略 83
    4.1.3  环境:Gym和MuJoCo 83
    4.2  基于策略的智能体 86
    4.2.1  基于策略的算法:
    REINFORCE 86
    4.2.2  基于策略的方法中的偏差-方差权衡 89
    4.2.3  演员-评论家“自举”方法 90
    4.2.4  基线减法与优势函数 92
    4.2.5  信任域优化 95
    4.2.6  熵和探索 96
    4.2.7  确定性策略梯度 98
    4.2.8  实际操作:MuJoCo中的PPO和DDPG示例 100
    4.3  运动与视觉-运动环境 101
    4.3.1  机器人运动 102
    4.3.2  视觉-运动交互 103
    4.3.3  基准测试 104
    4.4  本章小结 105
    4.5  扩展阅读 105
    4.6  习题 106
    4.6.1  复习题 106
    4.6.2  练习题 107
    第5章  基于模型的强化学习 109
    5.1  高维问题的动态模型 111
    5.2  学习与规划智能体 112
    5.2.1  学习模型 117
    5.2.2  使用模型进行规划 121
    5.3  高维度环境 126
    5.3.1  基于模型的实验概览 126
    5.3.2  小型导航任务 127
    5.3.3  机器人应用 127
    5.3.4  Atari游戏应用 128
    5.3.5  实际操作:PlaNet示例 129
    5.4  本章小结 130
    5.5  扩展阅读 132
    5.6  习题 132
    5.6.1  复习题 132
    5.6.2  练习题 133
    第6章  双智能体自对弈 135
    6.1  双智能体的“零和问题” 138
    6.1.1  困难的围棋游戏 140
    6.1.2  AlphaGo的成就 142
    6.2  空白板自我对弈智能体 144
    6.2.1  棋步级别的自我对弈 147
    6.2.2  示例级别的自我对弈 157
    6.2.3  锦标赛级别的自我对弈 159
    6.3  自我对弈环境 162
    6.3.1  如何设计世界级围棋程序 163
    6.3.2  AlphaGo Zero的性能表现 164
    6.3.3  AlphaZero 166
    6.3.4  自我对弈开放框架 167
    6.3.5  在PolyGames中实例化Hex游戏 168
    6.4  本章小结 170
    6.5  扩展阅读 171
    6.6  习题 172
    6.6.1  复习题 172
    6.6.2  练习题 173
    第7章  多智能体强化学习 175
    7.1  多智能体问题 177
    7.1.1  竞争行为 179
    7.1.2  合作行为 179
    7.1.3  混合行为 181
    7.1.4  挑战 183
    7.2  多智能体强化学习智能体 184
    7.2.1  竞争性行为 185
    7.2.2  合作行为 187
    7.2.3  混合行为 190
    7.3  多智能体环境 194
    7.3.1  竞争行为:扑克 195
    7.3.2  合作行为:捉迷藏 196
    7.3.3  混合行为:夺旗比赛和星际争霸 198
    7.3.4  实际操作:体育馆中的捉迷藏示例 200
    7.4  本章小结 201
    7.5  扩展阅读 202
    7.6  习题 203
    7.6.1  复习题 203
    7.6.2  练习题 204
    第8章  分层强化学习 205
    8.1  问题结构的粒度 206
    8.1.1  优点 207
    8.1.2  缺点 207
    8.2  智能体的分而治之 208
    8.2.1  选项框架 208
    8.2.2  寻找子目标 209
    8.2.3  分层算法概述 210
    8.3  分层环境 214
    8.3.1  四个房间和机器人任务 214
    8.3.2  蒙特祖玛的复仇 215
    8.3.3  多智能体环境 217
    8.3.4  实际操作示例:分层演员-评论家 217
    8.4  本章小结 219
    8.5  扩展阅读 220
    8.6  习题 220
    8.6.1  复习题 220
    8.6.2  练习题 221
    第9章  元学习 223
    9.1  学会与学习相关的问题 225
    9.2  迁移学习与元学习智能体 226
    9.2.1  迁移学习 227
    9.2.2  元学习 231
    9.3  元学习环境 238
    9.3.1  图像处理 239
    9.3.2  自然语言处理 240
    9.3.3  元数据集 240
    9.3.4  元世界 241
    9.3.5  Alchemy 242
    9.3.6  实际操作:Meta-World示例 242
    9.4  本章小结 244
    9.5  扩展阅读 244
    9.6  习题 245
    9.6.1  复习题 245
    9.6.2  练习题 245
    第10章  未来发展 247
    10.1  深度强化学习的发展 247
    10.1.1  表格方法 247
    10.1.2  无模型深度学习 248
    10.1.3  多智能体方法 248
    10.1.4  强化学习的演化历程 249
    10.2  主要挑战 249
    10.2.1  潜在模型 250
    10.2.2  自我对弈 250
    10.2.3  分层强化学习 251
    10.2.4  迁移学习和元学习 251
    10.2.5  种群化方法 252
    10.2.6  探索与内在动机 252
    10.2.7  可解释的人工智能 253
    10.2.8  泛化 253
    10.3  人工智能的未来 254
    —以下内容可扫描封底二维码下载—
    附录A  数学背景知识 255
    附录B  深度监督学习 269
    附录C  深度强化学习套件 299
    参考文献 303



     

    1
    • 商品详情
    • 内容简介

    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