新書推薦：
《
这个甜甜圈不能卖：奇思妙想爆笑绘本（全2册）
》
售價：NT$
447.0
《
生活中的民法典实用全书：应知应懂的法律常识
》
售價：NT$
498.0
《
饲渊
》
售價：NT$
223.0
《
现金为王：把利润留下来，把成本降下去
》
售價：NT$
386.0
《
经纬度丛书·巴勒斯坦人的故事：流亡者的悲情、绝望与抗争
》
售價：NT$
493.0
《
改变世界的哲学家们
》
售價：NT$
493.0
《
将军
》
售價：NT$
269.0
《
墓志的生成及其在唐代的衍变研究
》
售價：NT$
549.0
|
| 內容簡介： |
|
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。 本书是一本深度强化学习领域的入门读物。全书分为四部分。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。 本书适合对强化学习感兴趣的读者阅读。
|
| 關於作者： |
|
陈世勇腾讯游戏AI研究中心高级算法研究员。毕业于南京大学机器学习与数据挖掘研究所，主要从事强化学习、分布式机器学习方面的研究工作，并在国际会议和期刊上发表多篇论文。对于大规模强化学习在游戏AI和推荐系统领域的研究和落地有着丰富经验，负责了多款游戏的强化学习AI项目和“淘宝锦囊”强化学习推荐项目研发，参与了虚拟淘宝项目研发。苏博览新加坡国立大学博士，曾任职于腾讯游戏AI研究中心，参与了QQ飞车和斗地主游戏AI的研发，在国际会议和期刊发表论文数十篇，在机器学习和强化学习上有丰富的科研和落地应用经验。杨敬文腾讯游戏AI研究中心高级算法研究员。毕业于南京大学机器学习与数据挖掘研究所，获南京大学“优秀毕业生”称号、南京大学计算机优秀硕士毕业论文奖。曾获全国大学生大数据竞赛名，在国际顶会发表多篇论文和技术文章。长期从事强化学习在游戏领域的研究与应用，是竞速类、格斗类、射击类、多人在线战术竞技类等强化学习AI项目的主要负责人之一，具有丰厚的强化学习研究和落地的经验。
|
| 目錄：
|
|
第I 部分基础理论篇 1第1 章马尔可夫决策过程 31.1 马尔可夫性 31.2 一些基本定义 41.3 值函数 51.4 基于策略的值函数 51.5 贝尔曼方程 61.6 策略迭代与值迭代 7第2 章无模型的强化学习 92.1 蒙特卡洛方法 102.1.1 蒙特卡洛方法预测状态V 值 102.1.2 蒙特卡洛方法预测Q 值 112.1.3 蒙特卡洛策略优化算法 112.1.4 探索和利用 122.1.5 异策略蒙特卡洛方法 132.2 时间差分方法 162.2.1 基本思想 162.2.2 Sarsa 算法 172.2.3 Q-Learning 算法 202.3 值函数估计和策略搜索 23深度强化学习核心算法与应用2.3.1 值函数估计 232.3.2 策略搜索 24第3 章有模型的强化学习 273.1 什么是模型 273.2 基本思路 283.3 有模型方法和无模型方法的区别 293.4 典型算法 31第II 部分常用算法篇 33第4 章DQN 算法 354.1 算法介绍 354.1.1 背景 364.1.2 核心技术 374.1.3 算法流程 394.2 相关改进 404.2.1 Double Q-Learning 404.2.2 优先级回放 414.2.3 Dueling Networks 414.3 实验效果与小结 43第5 章A3C 算法 455.1 Actor-Critic 方法 455.2 基线减法与优势函数 475.3 博采众长的A3C 算法 485.4 实验效果与小结 50第6 章确定性策略梯度方法 536.1 随机性策略梯度与确定性策略梯度 53iv目录6.2 异策略的确定性策略梯度 546.3 深度确定性策略梯度 566.4 D4PG 算法 576.4.1 分布式 576.4.2 值函数分布 586.4.3 N-step TD 误差和优先级的经验回放 596.5 实验效果与小结 59第7 章PPO 算法 617.1 PPO 算法的核心 617.2 TRPO 算法 627.3 PPO 算法 657.4 实验效果与小结 677.4.1 替代函数的对比 677.4.2 在连续空间中与其他算法的对比 687.4.3 小结 69第8 章IMPALA 算法 718.1 算法架构 718.2 V-trace 算法 738.3 V-trace Actor-Critic 算法 758.4 实验效果与小结 768.4.1 计算性能 768.4.2 单任务训练性能 768.4.3 多任务训练性能 788.4.4 小结 79v深度强化学习核心算法与应用第III 部分应用实践篇 81第9 章深度强化学习在棋牌游戏中的应用 839.1 棋盘类游戏 849.1.1 AlphaGo: 战胜人类围棋冠军 849.1.2 AlphaGo Zero: 不使用人类数据，从头学习 879.1.3 AlphaZero: 从围棋到更多 909.2 牌类游戏 939.2.1 Suphx 的五个模型 939.2.2 Suphx 的训练过程和算法优化 949.2.3 Suphx 的线上实战表现 94第10 章深度强化学习在电子游戏中的应用 9710.1 研发游戏中的机器人 9710.1.1 单机游戏 9710.1.2 对战游戏 9910.1.3 小结 10410.2 制作游戏动画 10510.3 其他应用 106第11 章深度强化学习在推荐系统中的应用 10911.1 适用的场景 11011.1.1 动态变化 11011.1.2 考虑长期利益 11011.2 淘宝锦囊推荐中的应用 11111.2.1 淘宝锦囊推荐介绍 11111.2.2 问题建模与推荐框架 11211.2.3 算法设计与实验 114vi目录第12 章深度强化学习在其他领域中的应用 11912.1 在无人驾驶中的应用 11912.2 在金融交易中的应用 12112.3 在信息安全中的应用 12212.4 在自动调参中的应用 12312.5 在交通控制中的应用 124第IV 部分总结与展望篇 127第13 章问题与挑战 12913.1 样本利用率低 12913.2 奖励函数难以设计 13113.3 实验效果难复现 13213.4 行为不完全可控 134第14 章深度强化学习往何处去 13514.1 未来发展和研究方向 13614.1.1 有模型的方法潜力巨大 13614.1.2 模仿学习 13714.1.3 迁移学习的引入 13814.1.4 分层强化学习 14014.2 审慎乐观，大有可为 141参考资料 143
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
