Python深度強(qiáng)化學(xué)習(xí)：基于Chainer和OpenAI Gym

譯者序
前言
第1章　引言 1
11　深度強(qiáng)化學(xué)習(xí)可以做什么 1
12　本書的結(jié)構(gòu) 4
13　框架：Chainer和ChainerRL 6
14　Python的運(yùn)行檢查 6
15　Chainer的安裝 9
16　ChainerRL的安裝 12
17　模擬器：OpenAI Gym 14
第2章　深度學(xué)習(xí) 17
21　什么是深度學(xué)習(xí) 17
22　神經(jīng)網(wǎng)絡(luò) 18
23　基于Chainer的神經(jīng)網(wǎng)絡(luò) 21
231　Chainer與神經(jīng)網(wǎng)絡(luò)的對應(yīng) 24
232　Chainer程序 25
233　參數(shù)設(shè)置 26
234　創(chuàng)建數(shù)據(jù) 27
235　定義神經(jīng)網(wǎng)絡(luò) 27
236　各種聲明 28
237　顯示訓(xùn)練狀態(tài) 28
238　保存訓(xùn)練狀態(tài) 31
239　執(zhí)行訓(xùn)練 32
24　與其他神經(jīng)網(wǎng)絡(luò)的對應(yīng) 32
241　感知器 32
242　5層神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)） 33
243　計(jì)算輸入中的1的數(shù)量 34
25　基于深度神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別 35
251　手寫數(shù)字的輸入格式 36
252　深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 39
253　8×8的手寫數(shù)字?jǐn)?shù)據(jù) 41
26　基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別 43
261　卷積 45
262　激活函數(shù) 49
263　池化 49
264　執(zhí)行 50
27　一些技巧 53
271　讀取文件數(shù)據(jù) 54
272　使用訓(xùn)練模型 55
273　重啟訓(xùn)練 56
274　檢查權(quán)重 56
275　從文件中讀取手寫數(shù)字 57
第3章　強(qiáng)化學(xué)習(xí) 59
31　什么是強(qiáng)化學(xué)習(xí) 59
311　有監(jiān)督學(xué)習(xí) 60
312　無監(jiān)督學(xué)習(xí) 60
313　半監(jiān)督學(xué)習(xí) 60
32　強(qiáng)化學(xué)習(xí)原理 61
33　通過簡單的示例來學(xué)習(xí) 61
34　應(yīng)用到Q學(xué)習(xí)問題中 63
341　狀態(tài) 63
342　行動 63
343　獎勵 63
344　Q值 64
35　使用Python進(jìn)行訓(xùn)練 67
351　運(yùn)行程序 67
352　說明程序 69
36　基于OpenAI Gym的倒立擺 73
361　運(yùn)行程序 73
362　說明程序 74
37　如何保存和加載Q值 79
第4章　深度強(qiáng)化學(xué)習(xí) 81
41　什么是深度強(qiáng)化學(xué)習(xí) 81
42　對于老鼠學(xué)習(xí)問題的應(yīng)用 83
421　運(yùn)行程序 83
422　說明程序 85
423　如何保存和讀取智能體模型 91
43　基于OpenAI Gym的倒立擺 91
431　運(yùn)行程序 91
432　說明程序 92
44　基于OpenAI Gym的太空侵略者 97
45　基于OpenAI Gym的顛球 99
451　運(yùn)行程序 101
452　說明程序 102
46　對戰(zhàn)游戲 109
461　黑白棋 109
462　訓(xùn)練方法 111
463　變更盤面 121
464　黑白棋實(shí)體 121
465　如何與人類對戰(zhàn) 123
466　卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 127
47　使用物理引擎進(jìn)行模擬 128
471　物理引擎 129
472　運(yùn)行程序 130
473　說明程序 131
48　物理引擎在顛球問題中的應(yīng)用 132
49　物理引擎在倒立擺問題中的應(yīng)用 140
410　物理引擎在機(jī)械臂問題中的應(yīng)用 144
411　使用其他深度強(qiáng)化學(xué)習(xí)方法 151
4111　深度強(qiáng)化學(xué)習(xí)的類型 151
4112　將訓(xùn)練方法更改為DDQN 153
4113　將訓(xùn)練方法更改為PER-DQN 153
4114　將訓(xùn)練方法更改為DDPG 153
4115　將訓(xùn)練方法更改為A3C 155
第5章　實(shí)際環(huán)境中的應(yīng)用 157
51　使用攝像機(jī)觀察環(huán)境（MNIST） 157
511　攝像機(jī)設(shè)置 158
512　通過卷積神經(jīng)網(wǎng)絡(luò)對攝像機(jī)圖像進(jìn)行分類 160
513　使用圖像大小為28×28的手寫數(shù)字進(jìn)行訓(xùn)練 163
52　實(shí)際環(huán)境中的老鼠學(xué)習(xí)問題 164
53　使用Raspberry Pi處理老鼠學(xué)習(xí)問題 168
531　環(huán)境構(gòu)建 169
532　以輸入輸出為重點(diǎn)的簡化 169
533　使用攝像機(jī)測量環(huán)境 176
54　使用Arduino + PC處理老鼠學(xué)習(xí)問題 181
541　環(huán)境構(gòu)建 182
542　以輸入輸出為重點(diǎn)的簡化 185
543　使用攝像機(jī)測量環(huán)境 193
55　使用Raspberry Pi + Arduino處理老鼠學(xué)習(xí)問題 197
56　結(jié)語 201
附錄 202