强化学 与phthon实现 软硬件技术 肖智清 新华正版
举报
-
作者:
肖智清
-
出版社:
机械工业出版社
-
ISBN:
9787111631774
-
出版时间:
2019-08
-
版次:
1
-
装帧:
平装
-
开本:
16
-
页数:
239页
-
出版时间:
2019-08
-
版次:
1
-
装帧:
平装
售价
¥
53.25
6.0折
定价
¥89.00
品相
全新品相描述
上书时间2024-04-17
卖家超过10天未登录
手机购买
微信扫码访问
-
-
商品描述:
-
目录:
前言
章初识强化学1
1.1强化学及其关键元素1
1.2强化学的应用3
1.3智能体/环境接4
1.4强化学的分类6
1.4.1按任务分类6
1.4.2按算法分类7
1.5如何学强化学8
1.5.1学路线9
1.5.2学资源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优策略及其质25
2.3.1优策略与优价值函数25
2.3.2bellman优方程25
2.3.3用bellman优方程求解优策略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37
3.1.1度量空间及其完备37
3.1.2压缩映与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基于柔策略的同策回合更新60
4.2异策回合更新62
4.2.1重要采样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同策优策略求解70
4.3.4异策策略评估72
4.3.5异策优策略求解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基于重要采样的异策算法85
5.2.2q学86
5.2.3双重q学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同策时序差分学调度94
5.4.3异策时序差分学调度97
5.4.4资格迹学调度99
5.5本章小结100
第6章函数近似方法101
6.1函数近似101
6.1.1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线近似107
6.2.1查找表与线近似的关系107
6.2.2线小二乘策略评估107
6.2.3线小二乘优策略求解109
6.3函数近似的收敛109
6.4深度q学110
6.4.1经验回放111
6.4.2带目标网络的深度q学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用线近似求解优策略117
6.5.3用深度q学求解优策略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:车杆衡132
7.5.1同策策略梯度算法求解优策略133
7.5.2异策策略梯度算法求解优策略135
7.6本章小结137
第8章执行者/者方法139
8.1同策执行者/者算法139
8.1.1动作价值执行者/者算法140
8.1.2优势执行者/者算法141
8.1.3带资格迹的执行者/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/者算法152
8.4重要采样异策执行者/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柔执行者/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柔执行者/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/者算法求解优策略162
8.6.2异策执行者/者算法求解优策略168
8.7本章小结170
第9章连续动作空间的确定策略172
9.1同策确定算法172
9.1.1策略梯度定理的确定版本172
9.1.2基本的同策确定执行者/者算法174
9.2异策确定算法176
9.2.1基本的异策确定执行者/者算法177
9.2.2深度确定策略梯度算法177
9.2.3双重延迟深度确定策略梯度算法178
9.3案例:倒立摆的控制180
9.3.1用深度确定策略梯度算法求解181
9.3.2用双重延迟深度确定算法求解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环境接的实现214
11.3.4树搜索接的实现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基于强化学的自动驾驶229
12.2.1为自动驾驶设计强化学环境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
内容简介:
全书分为三个部分。第壹部分了解强化学应用,了解强化学基本知识,搭建强化学测试环境。该部分包括:强化学的概况、强化学简单示例、强化学算法的常见思想、强化学的应用、强化学测试环境的搭建。第二部分介绍强化学理论与深度强化学算法。强化学理论部分: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;深度强化学算法部分:详细剖析具有重要影响力的深度强化学算法,结合tenorflow实现源码。第三部分介绍强化学综合应用案例。
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间:09月02日 10:30
即将开播,去预约
直播中,去观看