图文详情

动手学强化学习张伟楠沈键俞勇人民邮电出版社 9787115584519

正版旧书里面部分笔记内容完好可正常使用旧书不附带光盘

作者: 张伟楠沈键俞勇
出版社: 人民邮电出版社
ISBN: 9787115584519

出版时间: 2022-05
装帧: 线装
页数: 246页

作者: 张伟楠沈键俞勇
出版社: 人民邮电出版社

ISBN: 9787115584519
出版时间: 2022-05

装帧: 线装
页数: 246页

售价 31.46

品相 八五品

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2024-04-12

数量: 库存10件

立即购买加入购物车收藏

卖家超过10天未登录

八年老店

有路官方旗舰店

店铺等级

资质认证

90天平均

成功完成

91.6% (16710笔)

好评率

99.83%

发货时间

10.78小时

店主

有路文化

联系

在线交谈离线留言

地址

江西省南昌市青山湖区

电话

进店逛逛收藏店铺

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

教材教辅考试 > 教材 > 大学教材 > 文学

货号：

4600123

商品描述：

温馨提示：亲！旧书库存变动比较快，有时难免会有断货的情况，为保证您的利益，拍前请务必联系卖家咨询库存情况！谢谢！书名：动手学强化学习
编号：4600123
ISBN：9787115584519[十位:]
作者：张伟楠沈键俞勇
出版社：人民邮电出版社
出版日期：2022年05月
页数：246
定价：89.90 元
参考重量：0.500Kg
-------------------------
新旧程度：6-9成新左右，不影响阅读，详细情况请咨询店主
如图书附带、磁带、学习卡等请咨询店主是否齐全* 图书目录 *第一部分强化学习基础第 1 章初探强化学习 2 1.1 简介 2 1.2 什么是强化学习 2 1.3 强化学习的环境 4 1.4 强化学习的目标 4 1.5 强化学习中的数据 5 1.6 强化学习的独特性 6 1.7 小结 6 第 2 章多臂老虎机问题 7 2.1 简介 7 2.2 问题介绍 7 2.2.1 问题定义 7 2.2.2 形式化描述 8 2.2.3 累积懊悔 8 2.2.4 估计期望奖励 8 2.3 探索与利用的平衡 10 2.4 -贪婪算法 11 2.5 上置信界算法 14 2.6 汤普森采样算法 16 2.7 小结 18 2.8 参考文献 18 第 3 章马尔可夫决策过程 19 3.1 简介 19 3.2 马尔可夫过程 19 3.2.1 随机过程 19 3.2.2 马尔可夫性质 19 3.2.3 马尔可夫过程 20 3.3 马尔可夫奖励过程 21 3.3.1 回报 21 3.3.2 价值函数 22 3.4 马尔可夫决策过程 24 3.4.1 策略 25 3.4.2 状态价值函数 25 3.4.3 动作价值函数 25 3.4.4 贝尔曼期望方程 25 3.5 蒙特卡洛方法 28 3.6 占用度量 31 3.7 策略 32 3.8 小结 33 3.9 参考文献 33 第 4 章动态规划算法 34 4.1 简介 34 4.2 悬崖漫步环境 34 4.3 策略迭代算法 36 4.3.1 策略评估 36 4.3.2 策略提升 36 4.3.3 策略迭代 37 4.4 价值迭代算法 40 4.5 冰湖环境 42 4.6 小结 45 4.7 扩展阅读:收敛性证明 45 4.7.1 策略迭代 45 4.7.2 价值迭代 45 4.8 参考文献 46 第 5 章时序差分算法 47 5.1 简介 47 5.2 时序差分 48 5.3 Sarsa 算法 48 5.4 多步 Sarsa 算法 53 5.5 Q-learning 算法 56 5.6 小结 60 5.7 扩展阅读:Q-learning 收敛性证明 61 5.8 参考文献 62 第 6 章 Dyna-Q 算法 63 6.1 简介 63 6.2 Dyna-Q 63 6.3 Dyna-Q 代码实践 64 6.4 小结 69 6.5 参考文献 69 第二部分强化学习进阶第 7 章 DQN算法 72 7.1 简介 72 7.2 车杆环境 72 7.3 DQN 73 7.3.1 经验回放 74 7.3.2 目标网络 74 7.4 DQN代码实践 75 7.5 以图像作为输入的DQN算法 79 7.6 小结 80 7.7 参考文献 80 第 8 章 DQN改进算法 81 8.1 简介 81 8.2 Double DQN 81 8.3 Double DQN代码实践 82 8.4 Dueling DQN 88 8.5 Dueling DQN代码实践 90 8.6 小结 93 8.7 扩展阅读:对Q值过高估计的定量分析 93 8.8 参考文献 94 第 9 章策略梯度算法 95 9.1 简介 95 9.2 策略梯度 95 9.3 REINFORCE 96 9.4 REINFORCE代码实践 97 9.5 小结 100 9.6 扩展阅读:策略梯度证明 100 9.7 参考文献 102 第 10 章 Actor-Critic算法 103 10.1 简介 103 10.2 Actor-Critic 103 10.3 Actor-Critic代码实践 105 10.4 小结 108 10.5 参考文献 108 第 11 章 TRPO算法 109 11.1 简介 109 11.2 策略目标 109 11.3 近似求解 111 11.4 共轭梯度 112 11.5 线性搜索 112 11.6 广义优势估计 113 11.7 TRPO代码实践 114 11.8 小结 122 11.9 参考文献 123 第 12 章 PPO算法 124 12.1 简介 124 12.2 PPO-惩罚 124 12.3 PPO-截断 125 12.4 PPO代码实践 125 12.5 小结 131 12.6 参考文献 132 第 13 章 DDPG算法 133 13.1 简介 133 13.2 DDPG 133 13.3 DDPG代码实践 135 13.4 小结 140 13.5 扩展阅读:确定性策略梯度定理的证明 140 13.6 参考文献 141 第 14 章 SAC算法 142 14.1 简介 142 14.2 熵强化学习 142 14.3 Soft策略迭代 143 14.4 SAC 143 14.5 SAC代码实践 145 14.6 小结 154 14.7 参考文献 155 第三部分强化学习前沿第 15 章模仿学习 158 15.1 简介 158 15.2 行为克隆 159 15.3 生成对抗模仿学习 159 15.4 代码实践 160 15.4.1 生成专家数据 160 15.4.2 行为克隆的代码实践 163 15.4.3 生成对抗模仿学习的代码实践 165 15.5 小结 167 15.6 参考文献 168 第 16 章模型预测控制 169 16.1 简介 169 16.2 打靶法 169 16.2.1 随机打靶法 170 16.2.2 交叉熵方法 170 16.3 PETS算法 171 16.4 PETS算法实践 172 16.5 小结 179 16.6 参考文献 179 第 17 章基于模型的策略优化 180 17.1 简介 180 17.2 MBPO算法 180 17.3 MBPO代码实践 181 17.4 小结 192 17.5 拓展阅读:MBPO理论分析 192 17.5.1 性能提升的单调性保障 192 17.5.2 模型推演长度 192 17.6 参考文献 193 第 18 章离线强化学习 194 18.1 简介 194 18.2 批量限制 Q-learning算法 195 18.3 保守 Q-learning算法 197 18.4 CQL代码实践 199 18.5 小结 208 18.6 扩展阅读 208 18.7 参考文献 210 第 19 章目标导向的强化学习 211 19.1 简介 211 19.2 问题定义 211 19.3 HER算法 212 19.4 HER代码实践 213 19.5 小结 221 19.6 参考文献 221 第 20 章多智能体强化学习入门 222 20.1 简介 222 20.2 问题建模 223 20.3 多智能体强化学习的基本求解范式 223 20.4 IPPO算法 223 20.5 IPPO代码实践 224 20.6 小结 228 20.7 参考文献 229 第 21 章多智能体强化学习进阶 230 21.1 简介 230 21.2 MADDPG算法 230 21.3 MADDPG代码实践 232 21.4 小结 240 21.5 参考文献 240 总结与展望 241 总结 241 展望:克服强化学习的落地挑战 241 中英文术语对照表与符号表 244 中英文术语对照表 244 符号表 246
配送说明

...
相似商品
为你推荐