相關商品
商品簡介
目次
商品簡介
以平實的語言風格講解強化學習和深度學習的結合，以及他們在Pytorch上的應用。內容將從幾個方面來進行落實，一個是原理，一個是相關論文的精講，一個是工程實現，是一本脈絡清晰，內容詳實的科普讀物。本書第一章到第五章，講的是傳統強化學習的研究目標與脈絡，主要講的是從一個程序員的角度怎麼理解強化學習過渡為輕鬆，側重理解方式的誘導。第六章到第十一章，是本書的核心內容，講的是深度學習的原理，Pytorch框架的基本知識，以及深度強化學習的常用算法模型。第十二章到第十五章，講的是擴展性的知識，例如其它幫助我們訓練模型的算法思路，第三方工具插件，可供實驗的環境，以及比較有趣的強化學習算法和觀點，甚至還包括模型落地中的優化與壓縮。
目次
第1章 強化學習是什麼
1.1 題設
1.1.1 多智能才叫智能
1.1.2 人工智能的定義
1.2 強化學習的研究對象
1.2.1 什麼場合需要強化學習
1.2.2 強化學習的建模
1.3 本章小結
第2章 強化學習的脈絡
2.1 什麼是策略
2.2 什麼是好的策略
2.3 什麼是模型
2.4 如何得到一個好的策略
2.4.1 直接法
2.4.2 間接法
2.5 馬爾可夫決策過程
2.5.1 狀態轉移
2.5.2 策略與評價
2.5.3 策略優化
2.6 MODEL-BASED和MODEL-FREE
2.6.1 Model-Based
2.6.2 規劃問題
2.6.3 Model-Free
2.7 本章小結
第3章 動態規劃
3.1 狀態估值
3.2 策略優化
3.3 本章小結
第4章 蒙特卡羅法
4.1 狀態估值
4.2 兩種估值方法
4.2.1 首次訪問策略估值
4.2.2 每次訪問策略估值
4.3 策略優化
4.4 本章小結
第5章 時間差分
5.1 SARSA算法
5.1.1 偽代碼
5.1.2 SARSA的優缺點
5.2 Q-LEARNING
5.2.1 偽代碼
5.2.2 Q-Learning的優缺點
5.3 ON-POLICY和OFF-POLICY
5.4 ON-LINE學習和OFF-LINE學習
5.5 比較與討論
5.6 本章小結
第6章 深度學習
6.1 PyTorch簡介
6.1.1 歷史淵源
6.1.2 支持
6.2 神經元
6.3 線性回歸
6.4 激勵函數
6.4.1 Sigmoid函數
6.4.2 Tanh函數
6.4.3 ReLU函數
6.4.4 Linear函數
6.5 神經網絡
6.6 網絡訓練
6.6.1 輸入
6.6.2 輸出
6.6.3 網絡結構
6.6.4 損失函數
6.6.5 求解極小值
6.6.6 線性回歸
6.6.7 凸函數
6.6.8 二元（多元）凸函數
6.6.9 導數補充
6.6.10 導數怎麼求
6.6.11 “串聯式”神經元
6.6.12 模型的工作
6.6.13 損失函數的理解
6.7 深度學習的優勢
6.7.1 線性和非線性的疊加
6.7.2 不用再提取特徵
6.7.3 處理線性不可分
6.8 手寫數字識別公開數據集
6.9 全連接網絡
6.9.1 輸入輸出
6.9.2 代碼解讀
6.9.2.1 網絡結構
6.9.2.2 交叉熵損失函數
6.9.3 運行結果
6.10 卷積網絡
6.10.1 代碼解讀
6.10.2 理解卷積網絡結構
6.10.3 卷積核結構
6.11 循環神經網絡
6.11.1 網絡結構
6.11.2 RNN應用案例
6.11.3 代碼解讀
6.12 其它注意事項
6.12.1 並行計算
6.12.2 梯度消失與梯度爆炸
6.12.3 歸一化
6.12.4 超參數設置
6.12.5 正則化
6.12.6 不唯一的模型
6.13 深度神經網絡的發展趨勢
6.14 本章小結
第7章 GYM――不要錢的試驗場
7.1 簡介
7.2 安裝
7.3 類別介紹
7.4 接口
7.5 本章小結
第8章 DQN算法族
8.1 DQN 2013
8.1.1 模型結構
8.1.2 訓練過程
8.1.3 Replay Memory
8.1.4 小結
8.2 DQN 2015
8.2.1 模型結構
8.2.2 訓練過程
8.2.3 Target網絡
8.2.4 小結
8.3 DOUBLE DQN
8.3.1 模型結構
8.3.2 訓練過程
8.3.3 效果
8.3.4 小結
8.4 DUELING DQN
8.4.1 模型結構
8.4.2 效果
8.4.3 小結
8.5 優先回放DQN
8.6 GORILA DQN
8.7 本章小結
第9章 PG算法族
9.1 策略梯度
9.2 ACTOR-CRITIC
9.3 DPG
9.4 DDPG
9.5 本章小結
第10章 A3C
10.1 模型結構
10.1.1 A3C DQN
10.1.2 A3C DDPG
10.2 本章小結
第11章、UNREAL
11.1 主任務
11.2 像素控制任務
11.3 獎勵值預測
11.4 值函數回放
11.5 損失函數
11.6 本章小結
第12章 NEAT
12.1 遺傳算法
12.1.1 進化過程
12.1.2 算法流程
12.1.3 背包問題
12.1.4 極大（小）值問題
12.2 NEAT原理
12.2.1 基因組
12.2.2 變異和遺傳
12.3 NEAT示例
12.3.1 Cartpole
12.3.2 Lunar Lander
12.4 本章小結
第13章 SERPENTAI
13.1 簡介
13.2 安裝配置
13.3 示例
13.3.1 創建Game Plugin
13.3.2 創建Game Agent
13.3.3 訓練Context Classifier
13.3.4 模型設計
13.3.5 訓練Agent
13.4 本章小結
第14章 案例詳解
14.1 ALPHAGO
14.1.1 AlphaGO的前世今生
14.1.2 深藍是誰
14.1.3 圍棋到底有多複雜
14.1.4 論文要義
14.1.5 成績
14.1.6 開源項目
14.2 ALPHAGO ZERO
14.2.1 改進之處
14.2.2 成績
14.2.3 開源項目
14.3 試驗場大觀
14.3.1 《星際爭霸2》
14.3.2 VizDoom
14.3.3 Universe
14.3.4 DOTA2
14.4 本章小結
第15章 擴展討論
15.1 TRPO
15.2 反向強化學習
15.3 模型壓縮
15.3.1 剪枝
15.3.2 量化
15.3.3 結構壓縮
15.3.4 矩陣分解
15.4 本章小結
後記
附錄
參考文獻
1.1 題設
1.1.1 多智能才叫智能
1.1.2 人工智能的定義
1.2 強化學習的研究對象
1.2.1 什麼場合需要強化學習
1.2.2 強化學習的建模
1.3 本章小結
第2章 強化學習的脈絡
2.1 什麼是策略
2.2 什麼是好的策略
2.3 什麼是模型
2.4 如何得到一個好的策略
2.4.1 直接法
2.4.2 間接法
2.5 馬爾可夫決策過程
2.5.1 狀態轉移
2.5.2 策略與評價
2.5.3 策略優化
2.6 MODEL-BASED和MODEL-FREE
2.6.1 Model-Based
2.6.2 規劃問題
2.6.3 Model-Free
2.7 本章小結
第3章 動態規劃
3.1 狀態估值
3.2 策略優化
3.3 本章小結
第4章 蒙特卡羅法
4.1 狀態估值
4.2 兩種估值方法
4.2.1 首次訪問策略估值
4.2.2 每次訪問策略估值
4.3 策略優化
4.4 本章小結
第5章 時間差分
5.1 SARSA算法
5.1.1 偽代碼
5.1.2 SARSA的優缺點
5.2 Q-LEARNING
5.2.1 偽代碼
5.2.2 Q-Learning的優缺點
5.3 ON-POLICY和OFF-POLICY
5.4 ON-LINE學習和OFF-LINE學習
5.5 比較與討論
5.6 本章小結
第6章 深度學習
6.1 PyTorch簡介
6.1.1 歷史淵源
6.1.2 支持
6.2 神經元
6.3 線性回歸
6.4 激勵函數
6.4.1 Sigmoid函數
6.4.2 Tanh函數
6.4.3 ReLU函數
6.4.4 Linear函數
6.5 神經網絡
6.6 網絡訓練
6.6.1 輸入
6.6.2 輸出
6.6.3 網絡結構
6.6.4 損失函數
6.6.5 求解極小值
6.6.6 線性回歸
6.6.7 凸函數
6.6.8 二元（多元）凸函數
6.6.9 導數補充
6.6.10 導數怎麼求
6.6.11 “串聯式”神經元
6.6.12 模型的工作
6.6.13 損失函數的理解
6.7 深度學習的優勢
6.7.1 線性和非線性的疊加
6.7.2 不用再提取特徵
6.7.3 處理線性不可分
6.8 手寫數字識別公開數據集
6.9 全連接網絡
6.9.1 輸入輸出
6.9.2 代碼解讀
6.9.2.1 網絡結構
6.9.2.2 交叉熵損失函數
6.9.3 運行結果
6.10 卷積網絡
6.10.1 代碼解讀
6.10.2 理解卷積網絡結構
6.10.3 卷積核結構
6.11 循環神經網絡
6.11.1 網絡結構
6.11.2 RNN應用案例
6.11.3 代碼解讀
6.12 其它注意事項
6.12.1 並行計算
6.12.2 梯度消失與梯度爆炸
6.12.3 歸一化
6.12.4 超參數設置
6.12.5 正則化
6.12.6 不唯一的模型
6.13 深度神經網絡的發展趨勢
6.14 本章小結
第7章 GYM――不要錢的試驗場
7.1 簡介
7.2 安裝
7.3 類別介紹
7.4 接口
7.5 本章小結
第8章 DQN算法族
8.1 DQN 2013
8.1.1 模型結構
8.1.2 訓練過程
8.1.3 Replay Memory
8.1.4 小結
8.2 DQN 2015
8.2.1 模型結構
8.2.2 訓練過程
8.2.3 Target網絡
8.2.4 小結
8.3 DOUBLE DQN
8.3.1 模型結構
8.3.2 訓練過程
8.3.3 效果
8.3.4 小結
8.4 DUELING DQN
8.4.1 模型結構
8.4.2 效果
8.4.3 小結
8.5 優先回放DQN
8.6 GORILA DQN
8.7 本章小結
第9章 PG算法族
9.1 策略梯度
9.2 ACTOR-CRITIC
9.3 DPG
9.4 DDPG
9.5 本章小結
第10章 A3C
10.1 模型結構
10.1.1 A3C DQN
10.1.2 A3C DDPG
10.2 本章小結
第11章、UNREAL
11.1 主任務
11.2 像素控制任務
11.3 獎勵值預測
11.4 值函數回放
11.5 損失函數
11.6 本章小結
第12章 NEAT
12.1 遺傳算法
12.1.1 進化過程
12.1.2 算法流程
12.1.3 背包問題
12.1.4 極大（小）值問題
12.2 NEAT原理
12.2.1 基因組
12.2.2 變異和遺傳
12.3 NEAT示例
12.3.1 Cartpole
12.3.2 Lunar Lander
12.4 本章小結
第13章 SERPENTAI
13.1 簡介
13.2 安裝配置
13.3 示例
13.3.1 創建Game Plugin
13.3.2 創建Game Agent
13.3.3 訓練Context Classifier
13.3.4 模型設計
13.3.5 訓練Agent
13.4 本章小結
第14章 案例詳解
14.1 ALPHAGO
14.1.1 AlphaGO的前世今生
14.1.2 深藍是誰
14.1.3 圍棋到底有多複雜
14.1.4 論文要義
14.1.5 成績
14.1.6 開源項目
14.2 ALPHAGO ZERO
14.2.1 改進之處
14.2.2 成績
14.2.3 開源項目
14.3 試驗場大觀
14.3.1 《星際爭霸2》
14.3.2 VizDoom
14.3.3 Universe
14.3.4 DOTA2
14.4 本章小結
第15章 擴展討論
15.1 TRPO
15.2 反向強化學習
15.3 模型壓縮
15.3.1 剪枝
15.3.2 量化
15.3.3 結構壓縮
15.3.4 矩陣分解
15.4 本章小結
後記
附錄
參考文獻
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。