TensorFlow強(qiáng)化學(xué)習(xí)快速入門指南：使用Python動手搭建自學(xué)習(xí)的智能體

定　價：￥45.00

作　者：	[美] 考希克·巴拉克里希南（Kaushik Balakrishnan）著，趙衛(wèi)東譯
出版社：	機(jī)械工業(yè)出版社
叢編項：	大數(shù)據(jù)叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111648123	出版時間：	2020-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	106	字?jǐn)?shù)：

內(nèi)容簡介

　　強(qiáng)化學(xué)習(xí)是一類重要的機(jī)器學(xué)習(xí)方法，在很多領(lǐng)域得到了成功的應(yīng)用，*近幾年與深度學(xué)習(xí)結(jié)合起來，進(jìn)一步推動了人工智能的發(fā)展？本書首先介紹了強(qiáng)化學(xué)習(xí)的基本原理，然后介紹典型的強(qiáng)化學(xué)習(xí)算法，包括時序差分？ SARSA？ Q-Learning？ DeepQ-network？ Double DQN？競爭網(wǎng)絡(luò)結(jié)構(gòu)？ Rainbow？ Actor-Critic？ A2C？ A3C？ TRPO和PPO等，每種算法基本上利用了主流的開源機(jī)器學(xué)習(xí)框架TensorFlow，使用Python編程進(jìn)行實現(xiàn)？此外，還介紹了一些上述算法的應(yīng)用？本書可以使讀者快速理解強(qiáng)化學(xué)習(xí)的基本知識，并通過簡單的案例加深對算法的理解？本書適合對強(qiáng)化學(xué)習(xí)感興趣的普通高校師生以及相關(guān)專業(yè)人員閱讀？Copyright ？ Packt Publishing 2018First published in the English language under the title “Deep Learning with TensorFlow-SecondEdition- （ 9781788831109）”Copyright in the Chinese language（ simplified characters）？ 2020 China Machine PreesThis title is published in China by China Machine Press with license from Packt Publishing Ltd.This edition is authorized for sale in China only ， excluding Hong Kong SAR. Macao SAR and Taiwan.Unauthorized export of this edition is a violation of the Copyright Act. Violation of this Law is subjectto Civil and Criminal Penalties.

作者簡介

暫缺《TensorFlow強(qiáng)化學(xué)習(xí)快速入門指南：使用Python動手搭建自學(xué)習(xí)的智能體》作者簡介

圖書目錄

譯者序
前　言
第 1 章　強(qiáng)化學(xué)習(xí)的啟動和運(yùn)行 // 1
1.1　為何選擇強(qiáng)化學(xué)習(xí) // 1
闡述強(qiáng)化學(xué)習(xí)問題 // 2
1.2 agent 及其環(huán)境之間的關(guān)系 // 3
1.2.1　定義 agent 的狀態(tài) // 3
1.2.2　定義 agent 的行為 // 3
1.2.3　了解策略、價值函數(shù)和優(yōu)勢函數(shù) // 4
1.3　認(rèn)識回合 // 5
1.4　認(rèn)識獎勵函數(shù)和折扣獎勵 // 5
獎勵 // 6
1.5　學(xué)習(xí)馬爾可夫決策過程 // 6
1.6　定義貝爾曼方程 // 7
1.7　同步策略與異步策略學(xué)習(xí) // 7
1.7.1　同步策略方法 // 7
1.7.2　異步策略方法 // 8
1.8　無模型訓(xùn)練和基于模型訓(xùn)練 // 8
1.9　本書中涉及的算法 // 8
總結(jié) // 9
思考題 // 9
擴(kuò)展閱讀 // 9
第 2 章　時序差分、SARSA 與 Q-Learning // 10
2.1　技術(shù)需求 // 10
2.2　理解 TD 學(xué)習(xí) // 10
價值函數(shù)與狀態(tài)之間的關(guān)系 // 11
2.3　理解 SARSA 與 Q-Learning // 11

IX
2.3.1　學(xué)習(xí) SARSA // 12
2.3.2　理解 Q-Learning // 12
2.4　懸崖徒步與網(wǎng)格世界問題 // 12
2.4.1 SARSA 下的懸崖徒步 // 13
2.4.2 Q-Learning 下的懸崖徒步 // 18
2.4.3 SARSA 下的網(wǎng)格世界 // 20
總結(jié) // 22
擴(kuò)展閱讀 // 22
第 3 章　深度 Q 網(wǎng)絡(luò) // 23
3.1　技術(shù)需求 // 23
3.2　學(xué)習(xí) DQN 原理 // 23
3.3　理解目標(biāo)網(wǎng)絡(luò) // 24
3.4　了解重放緩沖區(qū) // 25
3.5 Atari 環(huán)境介紹 // 25
3.5.1 Atari 游戲概述 // 26
3.5.2　用 TensorFlow 編寫 DQN // 27
3.6　驗證 DQN 在 Atari Breakout 上的性能 // 39
總結(jié) // 40
思考題 // 40
擴(kuò)展閱讀 // 41
第 4 章　Double DQN、競爭網(wǎng)絡(luò)結(jié)構(gòu)和 Rainbow // 42
4.1　技術(shù)需求 // 42
4.2　了解 Double DQN // 43
4.2.1　編寫 DDQN 并訓(xùn)練解決 Atari Breakout 問題 // 43
4.2.2　在 Atari Breakout 問題中評估 DDQN 的性能 // 44
4.3　理解競爭網(wǎng)絡(luò)結(jié)構(gòu) // 45
4.3.1　編寫競爭網(wǎng)絡(luò)結(jié)構(gòu)并訓(xùn)練其解決 Atari Breakout 問題 // 47
4.3.2　在 Atari Breakout 中評估競爭網(wǎng)絡(luò)結(jié)構(gòu)的性能 // 48
4.4　了解 Rainbow 網(wǎng)絡(luò) // 49
DQN 改進(jìn) // 50
4.5　在 Dopamine 上運(yùn)行 Rainbow 網(wǎng)絡(luò) // 50
TensorFlow 強(qiáng)化學(xué)習(xí)快速入門指南
—使用 Python 動手搭建自學(xué)習(xí)的智能體
X
使用 Dopamine 運(yùn)行 Rainbow // 52
總結(jié) // 53
思考題 // 53
擴(kuò)展閱讀 // 53
第 5 章　深度確定性策略梯度 // 55
5.1　技術(shù)需求 // 55
5.2 Actor-Critic 算法和策略梯度 // 56
策略梯度 // 56
5.3　深度確定性策略梯度 // 56
5.3.1　編寫 ddpg.py // 57
5.3.2　編寫 AandC.py // 59
5.3.3　編寫 TrainOrTest.py // 64
5.3.4　編寫 replay_buffer.py // 67
5.4　在 Pendulum-v0 中訓(xùn)練和測試 DDPG // 68
總結(jié) // 69
思考題 // 70
擴(kuò)展閱讀 // 70
第 6 章　異步的方法——A3C 和 A2C // 71
6.1　技術(shù)需求 // 71
6.2 A3C 算法 // 71
6.2.1　損失函數(shù) // 72
6.2.2 CartPole and LunarLander // 72
6.3 A3C 算法在 CartPole 中的應(yīng)用 // 73
6.3.1　編寫 cartpole.py // 73
6.3.2　編寫 a3c.py // 75
6.3.3 Worker 類 // 77
6.3.4　編寫 utils.py // 80
6.3.5 CartPole 訓(xùn)練 // 81
6.4 A3C 算法在 LunarLander 中的應(yīng)用 // 82
6.4.1　編寫 lunar.py // 82
6.4.2　在 LunarLander 上訓(xùn)練 // 82
6.5 A2C 算法 // 83
總結(jié) // 83
思考題 // 84
擴(kuò)展閱讀 // 84
第 7 章　信任區(qū)域策略優(yōu)化和近端策略優(yōu)化 // 85
7.1　技術(shù)需求 // 85
7.2　學(xué)習(xí) TRPO // 85
TRPO 方程 // 86
7.3　學(xué)習(xí) PPO // 86
PPO 損失函數(shù) // 86
7.4　使用 PPO 解決 Mountain Car 問題 // 87
7.4.1　編寫 class_ppo.py // 87
7.4.2　編寫 train_test.py // 91
7.5　評估性能 // 95
7.6　馬力全開 // 95
7.7　隨機(jī)發(fā)力 // 96
總結(jié) // 97
思考題 // 97
擴(kuò)展閱讀 // 97
第 8 章　深度強(qiáng)化學(xué)習(xí)在自動駕駛中的應(yīng)用 // 98
8.1　技術(shù)需求 // 98
8.2　汽車駕駛模擬器 // 99
8.3　學(xué)習(xí)使用 TORCS // 99
8.3.1　狀態(tài)空間 // 100
8.3.2　支持文件 // 100
8.4　訓(xùn)練 DDPG agent 來學(xué)習(xí)駕駛 // 101
8.4.1　編寫 ddpg.py // 101
8.4.2　編寫 AandC.py // 101
8.4.3　編寫 TrainOrTest.py // 102
TensorFlow 強(qiáng)化學(xué)習(xí)快速入門指南
—使用 Python 動手搭建自學(xué)習(xí)的智能體
8.5　訓(xùn)練 PPO agent // 104
總結(jié) // 104
思考題 // 105
擴(kuò)展閱讀 // 105
附錄　思考題答案 // 10