深度强化学习 [图书] 豆瓣
作者:
Laura Graesser
/
Wah Loon Keng
译者:
许静
/
过辰楷
…
出版社:
机械工业出版社
2021
- 10
深度强化学习结合了深度学习和强化学习,使人工智能体能够在没有监督的情况下学习如何解决顺序决策问题。在过去的十年中,深度强化学习在一系列问题上取得了显著的成果,涵盖从单机游戏和多人游戏到机器人技术等方方面面。本书采用理论结合实践的方法,从直觉开始,然后仔细解释深度强化学习算法的理论,讨论在配套软件库SLM Lab中的实现,最后呈现深度强化学习算法的实践细节。
通过本书,你将:
理解深度强化学习问题的每个关键方面。
探索基于策略和基于值的算法,包括REINFORCE算法、SARSA算法、深度Q网络(DQN)算法和改进的深度Q网络算法。
深入研究基于策略和基于值的组合算法,包括演员-评论家算法和近端策略优化(PPO)算法。
了解算法的同步并行和异步并行。
在SLM Lab中运行算法,学习深度强化学习的实现细节。
探索算法基准测试结果与调优超参数。
了解深度强化学习的环境设计。
本书可以作为高等院校人工智能、计算机、大数据等相关专业的本科或研究生教材,也可以作为人工智能相关领域的研究人员和技术人员的参考书籍。此外,对强化学习感兴趣的读者也可以将本书作为自学的参考教材。
通过本书,你将:
理解深度强化学习问题的每个关键方面。
探索基于策略和基于值的算法,包括REINFORCE算法、SARSA算法、深度Q网络(DQN)算法和改进的深度Q网络算法。
深入研究基于策略和基于值的组合算法,包括演员-评论家算法和近端策略优化(PPO)算法。
了解算法的同步并行和异步并行。
在SLM Lab中运行算法,学习深度强化学习的实现细节。
探索算法基准测试结果与调优超参数。
了解深度强化学习的环境设计。
本书可以作为高等院校人工智能、计算机、大数据等相关专业的本科或研究生教材,也可以作为人工智能相关领域的研究人员和技术人员的参考书籍。此外,对强化学习感兴趣的读者也可以将本书作为自学的参考教材。