午夜国产理论电影,97亚洲一区二区

內(nèi)容簡介

　　強化學(xué)習(xí)是機器學(xué)習(xí)的重要分支之一?！队肞ython動手學(xué)強化學(xué)習(xí)》結(jié)合實際可運行的Python代碼，通過簡明的文字、豐富的插圖和示例，通俗易懂地介紹了從基礎(chǔ)概念到前沿應(yīng)用等方方面面的內(nèi)容，包括根據(jù)環(huán)境和經(jīng)驗制訂計劃的學(xué)習(xí)方法、強化學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的組合，以及強化學(xué)習(xí)的弱點和克服方法。讀者通過下載書中代碼并親自動手運行，可以快速入門強化學(xué)習(xí)并進(jìn)行實踐。

作者簡介

　　[日]久保隆宏（作者）任職于日本大型系統(tǒng)集成商TIS，具有豐富的機器學(xué)習(xí)研究和開發(fā)經(jīng)驗。論文共享網(wǎng)站站arXivTimes運營者，積極致力于技術(shù)普及，著有《TensorFlow應(yīng)用指南》（合著）。梁垿（譯者）碩士畢業(yè)于日本早稻田大學(xué)，研究方向為機器學(xué)習(xí)。目前在日本大型系統(tǒng)集成商TIS任自然語言處理工程師。熱愛長跑與讀書，喜歡科幻、蒸汽朋克、克蘇魯?shù)阮}材的作品。程引（譯者）工學(xué)博士學(xué)位，畢業(yè)于上海交通大學(xué)。目前在日本BizReach公司（Visional Group）AI部門任算法工程師。業(yè)務(wù)方向為推薦系統(tǒng)與自然語言處理，研究興趣包括強化學(xué)習(xí)與自動控制。

圖書目錄

第 1章　了解強化學(xué)習(xí) 1
1．1　強化學(xué)習(xí)與各關(guān)鍵詞之間的關(guān)系 1
1．2　強化學(xué)習(xí)的優(yōu)點和弱點 8
1．3　強化學(xué)習(xí)的問題設(shè)定：馬爾可夫決策過程 9
第 2章　強化學(xué)習(xí)的解法(1)：根據(jù)環(huán)境制訂計劃 21
2．1　價值的定義和計算：貝爾曼方程 22
2．2　基于動態(tài)規(guī)劃法的價值近似的學(xué)習(xí)：價值迭代 28
2．3　基于動態(tài)規(guī)劃法的策略的學(xué)習(xí)：策略迭代 32
2．4　基于模型的方法和無模型的方法的區(qū)別 36
第3章　強化學(xué)習(xí)的解法(2)：根據(jù)經(jīng)驗制訂計劃 39
3．1　平衡經(jīng)驗的積累與利用：Epsilon-Greedy 算法 41
3．2　是根據(jù)實際獎勵還是預(yù)測來修正計劃：蒙特卡洛方法和時序差分學(xué)習(xí) 46
3．3　用經(jīng)驗來更新價值近似還是策略：基于價值和基于策略 62
第4章　使用面向強化學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò) 73
4．1　將神經(jīng)網(wǎng)絡(luò)應(yīng)用于強化學(xué)習(xí) 74
4．2　通過含有參數(shù)的函數(shù)實現(xiàn)價值近似：價值函數(shù)近似 100
4．3　將深度學(xué)習(xí)應(yīng)用于價值近似：DQN 109
4．4　通過含有參數(shù)的函數(shù)實現(xiàn)策略：策略梯度 121
4．5　將深度學(xué)習(xí)應(yīng)用于策略：A2C 133
4．6　是價值近似還是策略呢 153
第5章　強化學(xué)習(xí)的弱點 157
5．1　獲取樣本的效率低 157
5．2　容易陷入局部最優(yōu)行動和過擬合160
5．3　復(fù)現(xiàn)性差 163
5．4　以弱點為前提的對策 164
第6章　克服強化學(xué)習(xí)弱點的方法 169
6．1　應(yīng)對采樣效率低的方法：與基于模型的方法一起使用、表征學(xué)習(xí) 170
6．2　改善復(fù)現(xiàn)性的方法：進(jìn)化策略 198
6．3　應(yīng)對局部最優(yōu)行動和過擬合的方法：模仿學(xué)習(xí)和逆強化學(xué)習(xí) 206
第7章　強化學(xué)習(xí)的應(yīng)用領(lǐng)域 237
7．1　行動的最優(yōu)化 239
7．2　學(xué)習(xí)的最優(yōu)化 248
參考文獻(xiàn) 252