人工智能 类型
可以朗读 语音朗读
85千字 字数
2021-09-01 发行日期
展开全部

主编推荐语

本书是一本深度强化学习领域的入门读物。

内容简介

强化学习是实现决策智能的主要途径之一。经历数十年的发展，强化学习领域已经枝繁叶茂，技术内容纷繁复杂，这也为初学者快速入门造成障碍。

全书分为四部分。第一部分主要阐述强化学习领域的基本理论知识；第二部分讲解深度强化学习常用算法的原理、各算法之间的继承与发展，以及各自的算法流程；第三部分总结深度强化学习算法在游戏、推荐系统等领域的应用；第四部分探讨了该领域存在的问题和发展前景。

目录

  • 版权信息
  • 内容简介
  • 好评袭来
  • 前言
  • 第一部分 基础理论篇
  • 1 马尔可夫决策过程
  • 1.1 马尔可夫性
  • 1.2 一些基本定义
  • 1.3 值函数
  • 1.4 基于策略的值函数
  • 1.5 贝尔曼方程
  • 1.6 策略迭代与值迭代
  • 2 无模型的强化学习
  • 2.1 蒙特卡罗方法
  • 2.2 时间差分方法
  • 2.3 值函数估计和策略搜索
  • 3 有模型的强化学习
  • 3.1 什么是模型
  • 3.2 基本思路
  • 3.3 有模型方法和无模型方法的区别
  • 3.4 典型算法
  • 第二部分 常用算法篇
  • 4 DQN算法
  • 4.1 算法介绍
  • 4.2 相关改进
  • 4.3 实验效果与小结
  • 5 A3C算法
  • 5.1 Actor-Critic方法
  • 5.2 基线减法与优势函数
  • 5.3 博采众长的A3C算法
  • 5.4 实验效果与小结
  • 6 确定性策略梯度方法
  • 6.1 随机性策略梯度与确定性策略梯度
  • 6.2 异策略的确定性策略梯度
  • 6.3 深度确定性策略梯度
  • 6.4 D4PG算法
  • 6.5 实验效果与小结
  • 7 PPO算法
  • 7.1 PPO算法的核心
  • 7.2 TRPO算法
  • 7.3 PPO算法
  • 7.4 实验效果与小结
  • 8 IMPALA算法
  • 8.1 算法架构
  • 8.2 V-trace算法
  • 8.3 V-trace Actor-Critic算法
  • 8.4 实验效果与小结
  • 第三部分 应用实践篇
  • 9 深度强化学习在棋牌游戏中的应用
  • 9.1 棋盘类游戏
  • 9.2 牌类游戏
  • 10 深度强化学习在电子游戏中的应用
  • 10.1 研发游戏中的机器人
  • 10.2 制作游戏动画
  • 10.3 其他应用
  • 11 深度强化学习在推荐系统中的应用
  • 11.1 适用的场景
  • 11.2 淘宝锦囊推荐中的应用
  • 12 深度强化学习在其他领域中的应用
  • 12.1 在无人驾驶中的应用
  • 12.2 金融交易中的应用
  • 12.3 信息安全中的应用
  • 12.4 自动调参中的应用
  • 12.5 交通控制中的应用
  • 第四部分 总结与展望篇
  • 13 问题与挑战
  • 13.1 样本利用率低
  • 13.2 奖赏函数难以设计
  • 13.3 实验效果难复现
  • 13.4 行为不完全可控
  • 14 深度强化学习往何处去
  • 14.1 未来发展和研究方向
  • 14.2 审慎乐观，大有可为
  • 参考资料
展开全部

评分及书评

尚无评分
目前还没人评分
  • 加载中...

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。