最新章節

• 封底
• 參考文獻
• 附錄A 本書使用的數學符號
• 7.6 總結
• 7.5.2 小結
• 7.5.1 算法原理

• 封底 更新時間：2022-05-06 17:09:32
• 參考文獻
• 附錄A 本書使用的數學符號
• 7.6 總結
• 7.5.2 小結
• 7.5.1 算法原理
• 7.5 基于深度強化學習的交易系統
• 7.4.3 小結
• 7.4.2 推薦系統的強化學習算法
• 7.4.1 推薦系統的強化學習環境構建
• 7.4 基于深度強化學習的推薦系統
• 7.3.2 小結
• 7.3.1 算法原理
• 7.3 序列生成模型（SeqGAN）
• 7.2.2 小結
• 7.2.1 算法原理
• 7.2 超分辨率模型（SRGAN）
• 7.1.3 小結
• 7.1.2 算法效果
• 7.1.1 算法原理
• 7.1 神經網絡結構搜索（NAS）
• 第7章 深度強化學習在實踐中的應用
• 6.5 總結
• 6.4.5 算法的搜索執行過程
• 6.4.4 算法的博弈樹表示
• 6.4.3 算法使用的模型
• 6.4.2 算法的基本步驟
• 6.4.1 算法原理
• 6.4 蒙特卡洛樹搜索（MCTS）
• 6.3.3 算法效果
• 6.3.2 算法實現
• 6.3.1 算法原理
• 6.3 雙延遲深度確定性策略梯度算法（TD3）
• 6.2.3 算法效果
• 6.2.2 算法實現
• 6.2.1 算法原理
• 6.2 深度確定性策略梯度算法（DDPG）
• 6.1.3 噪聲網絡的效果
• 6.1.2 噪聲網絡的實現
• 6.1.1 噪聲網絡的原理
• 6.1 噪聲網絡（Noisy Networks）
• 第6章 其他強化學習算法
• 5.6 總結
• 5.5.3 算法的效果（連續動作空間）
• 5.5.2 算法的實現（連續動作空間）
• 5.5.1 算法的基本原理
• 5.5 軟演員-評論家算法（SAC）
• 5.4.3 算法效果
• 5.4.2 算法實現
• 5.4.1 算法原理
• 5.4 克羅內克分解近似置信區間算法（ACKTR）
• 5.3.3 近端策略優化算法的效果（離散動作空間）
• 5.3.2 近端策略優化算法的實現
• 5.3.1 算法原理
• 5.3 置信區間策略優化算法
• 5.2.9 異步優勢演員-評論家算法的效果
• 5.2.8 異步優勢演員-評論家算法的實現
• 5.2.7 運行效果（連續動作空間）
• 5.2.6 算法實現（連續動作空間）
• 5.2.5 優勢演員-評論家算法運行效果（離散動作空間）
• 5.2.4 優勢演員-評論家算法的實現（離散動作空間）
• 5.2.3 熵正則化方法
• 5.2.2 泛化優勢估計（Generalized Advantage Estimation）
• 5.2.1 算法原理
• 5.2 優勢演員-評論家算法（A2C和A3C）
• 5.1.6 小結
• 5.1.5 基于連續動作空間算法的運行結果
• 5.1.4 基于連續動作空間算法的實現
• 5.1.3 基于離散動作空間算法的運行結果
• 5.1.2 基于離散動作空間算法的模型實現
• 5.1.1 算法原理
• 5.1 經典策略梯度算法（VPG）
• 第5章 策略梯度強化學習算法
• 4.7 總結
• 4.6.3 彩虹算法的模型效果
• 4.6.2 彩虹算法的部分實現
• 4.6.1 彩虹算法對DQN的優化
• 4.6 彩虹算法（Rainbow）
• 4.5.7 分類DQN模型小結
• 4.5.6 分位數回歸DQN模型算法效果
• 4.5.5 分位數回歸DQN模型算法實現
• 4.5.4 分位數回歸DQN模型
• 4.5.3 分類DQN模型算法效果
• 4.5.2 分類DQN模型算法實現
• 4.5.1 分類DQN模型
• 4.5 分布形式的DQN算法（Distributional DQN）
• 4.4.3 算法效果
• 4.4.2 算法實現
• 4.4.1 算法原理
• 4.4 競爭DQN算法（Duel DQN）
• 4.3.3 算法效果
• 4.3.2 算法實現
• 4.3.1 算法原理
• 4.3 優先經驗回放（Prioritized Experience Replay）
• 4.2.3 算法效果
• 4.2.2 算法實現
• 4.2.1 算法原理
• 4.2 雙網絡Q學習算法（Double Q-Learning）
• 4.1.5 結合DQN算法的采樣和模型的訓練
• 4.1.4 DQN模型的訓練
• 4.1.3 DQN模型的輸入
• 4.1.2 DQN模型結構
• 4.1.1 DQN算法理論背景
• 4.1 經典深度Q網絡算法（DQN）
• 第4章 深度Q函數強化學習算法
• 3.6 總結
• 3.5.2 ReAgent框架
• 3.5.1 Dopamine框架
• 3.5 深度強化學習框架簡介
• 3.4.2 OpenSpiel強化學習環境
• 3.4.1 PySC2 強化學習環境
• 3.4 其他強化學習環境
• 3.3 DeepMind Lab強化學習環境
• 3.2.5 自定義Gym強化學習環境
• 3.2.4 Gym的MuJoCo環境
• 3.2.3 Gym的Atari強化學習環境
• 3.2.2 Gym的經典控制環境
• 3.2.1 Gym環境的安裝和基本接口
• 3.2 OpenAI Gym環境
• 3.1.3 井字棋（Tic-Tac-Toe）
• 3.1.2 多臂賭博機（Multi-armed Bandit）
• 3.1.1 網格世界（Grid World）
• 3.1 簡單的強化學習環境
• 第3章 強化學習環境
• 2.5 總結
• 2.4 貝爾曼方程及其應用
• 2.3.2 價值迭代
• 2.3.1 策略迭代
• 2.3 策略迭代和價值迭代
• 2.2 強化學習的探索和利用
• 2.1.3 最優策略的迭代算法
• 2.1.2 貪心策略和最優策略
• 2.1.1 馬爾可夫決策過程和回溯圖
• 2.1 強化學習基本要素
• 第2章 深入了解強化學習
• 1.7 總結
• 1.6 蒙特卡洛梯度估計
• 1.5 強化學習的優缺點
• 1.4 深度強化學習基本概念
• 1.3.3 在線（On-policy）算法和離線（Off-policy）算法
• 1.3.2 基于策略的（Policy-Based）和基于價值的（Value-Based）
• 1.3.1 基于模型的（Model-Based）和無模型的（Model-Free）
• 1.3 強化學習算法的分類
• 1.2.3 動作價值函數和狀態-動作價值函數
• 1.2.2 馬爾可夫決策過程
• 1.2.1 智能體相關概念
• 1.2 強化學習基本概念
• 1.1.2 強化學習和人工智能的關系
• 1.1.1 人工智能的歷史
• 1.1 強化學習的歷史
• 第1章 強化學習簡介
• 序
• 內容簡介
• 作者介紹
• 版權信息
• 封面

• 封面
• 版權信息
• 作者介紹
• 內容簡介
• 序
• 第1章 強化學習簡介
• 1.1 強化學習的歷史
• 1.1.1 人工智能的歷史
• 1.1.2 強化學習和人工智能的關系
• 1.2 強化學習基本概念
• 1.2.1 智能體相關概念
• 1.2.2 馬爾可夫決策過程
• 1.2.3 動作價值函數和狀態-動作價值函數
• 1.3 強化學習算法的分類
• 1.3.1 基于模型的（Model-Based）和無模型的（Model-Free）
• 1.3.2 基于策略的（Policy-Based）和基于價值的（Value-Based）
• 1.3.3 在線（On-policy）算法和離線（Off-policy）算法
• 1.4 深度強化學習基本概念
• 1.5 強化學習的優缺點
• 1.6 蒙特卡洛梯度估計
• 1.7 總結
• 第2章 深入了解強化學習
• 2.1 強化學習基本要素
• 2.1.1 馬爾可夫決策過程和回溯圖
• 2.1.2 貪心策略和最優策略
• 2.1.3 最優策略的迭代算法
• 2.2 強化學習的探索和利用
• 2.3 策略迭代和價值迭代
• 2.3.1 策略迭代
• 2.3.2 價值迭代
• 2.4 貝爾曼方程及其應用
• 2.5 總結
• 第3章 強化學習環境
• 3.1 簡單的強化學習環境
• 3.1.1 網格世界（Grid World）
• 3.1.2 多臂賭博機（Multi-armed Bandit）
• 3.1.3 井字棋（Tic-Tac-Toe）
• 3.2 OpenAI Gym環境
• 3.2.1 Gym環境的安裝和基本接口
• 3.2.2 Gym的經典控制環境
• 3.2.3 Gym的Atari強化學習環境
• 3.2.4 Gym的MuJoCo環境
• 3.2.5 自定義Gym強化學習環境
• 3.3 DeepMind Lab強化學習環境
• 3.4 其他強化學習環境
• 3.4.1 PySC2 強化學習環境
• 3.4.2 OpenSpiel強化學習環境
• 3.5 深度強化學習框架簡介
• 3.5.1 Dopamine框架
• 3.5.2 ReAgent框架
• 3.6 總結
• 第4章 深度Q函數強化學習算法
• 4.1 經典深度Q網絡算法（DQN）
• 4.1.1 DQN算法理論背景
• 4.1.2 DQN模型結構
• 4.1.3 DQN模型的輸入
• 4.1.4 DQN模型的訓練
• 4.1.5 結合DQN算法的采樣和模型的訓練
• 4.2 雙網絡Q學習算法（Double Q-Learning）
• 4.2.1 算法原理
• 4.2.2 算法實現
• 4.2.3 算法效果
• 4.3 優先經驗回放（Prioritized Experience Replay）
• 4.3.1 算法原理
• 4.3.2 算法實現
• 4.3.3 算法效果
• 4.4 競爭DQN算法（Duel DQN）
• 4.4.1 算法原理
• 4.4.2 算法實現
• 4.4.3 算法效果
• 4.5 分布形式的DQN算法（Distributional DQN）
• 4.5.1 分類DQN模型
• 4.5.2 分類DQN模型算法實現
• 4.5.3 分類DQN模型算法效果
• 4.5.4 分位數回歸DQN模型
• 4.5.5 分位數回歸DQN模型算法實現
• 4.5.6 分位數回歸DQN模型算法效果
• 4.5.7 分類DQN模型小結
• 4.6 彩虹算法（Rainbow）
• 4.6.1 彩虹算法對DQN的優化
• 4.6.2 彩虹算法的部分實現
• 4.6.3 彩虹算法的模型效果
• 4.7 總結
• 第5章 策略梯度強化學習算法
• 5.1 經典策略梯度算法（VPG）
• 5.1.1 算法原理
• 5.1.2 基于離散動作空間算法的模型實現
• 5.1.3 基于離散動作空間算法的運行結果
• 5.1.4 基于連續動作空間算法的實現
• 5.1.5 基于連續動作空間算法的運行結果
• 5.1.6 小結
• 5.2 優勢演員-評論家算法（A2C和A3C）
• 5.2.1 算法原理
• 5.2.2 泛化優勢估計（Generalized Advantage Estimation）
• 5.2.3 熵正則化方法
• 5.2.4 優勢演員-評論家算法的實現（離散動作空間）
• 5.2.5 優勢演員-評論家算法運行效果（離散動作空間）
• 5.2.6 算法實現（連續動作空間）
• 5.2.7 運行效果（連續動作空間）
• 5.2.8 異步優勢演員-評論家算法的實現
• 5.2.9 異步優勢演員-評論家算法的效果
• 5.3 置信區間策略優化算法
• 5.3.1 算法原理
• 5.3.2 近端策略優化算法的實現
• 5.3.3 近端策略優化算法的效果（離散動作空間）
• 5.4 克羅內克分解近似置信區間算法（ACKTR）
• 5.4.1 算法原理
• 5.4.2 算法實現
• 5.4.3 算法效果
• 5.5 軟演員-評論家算法（SAC）
• 5.5.1 算法的基本原理
• 5.5.2 算法的實現（連續動作空間）
• 5.5.3 算法的效果（連續動作空間）
• 5.6 總結
• 第6章 其他強化學習算法
• 6.1 噪聲網絡（Noisy Networks）
• 6.1.1 噪聲網絡的原理
• 6.1.2 噪聲網絡的實現
• 6.1.3 噪聲網絡的效果
• 6.2 深度確定性策略梯度算法（DDPG）
• 6.2.1 算法原理
• 6.2.2 算法實現
• 6.2.3 算法效果
• 6.3 雙延遲深度確定性策略梯度算法（TD3）
• 6.3.1 算法原理
• 6.3.2 算法實現
• 6.3.3 算法效果
• 6.4 蒙特卡洛樹搜索（MCTS）
• 6.4.1 算法原理
• 6.4.2 算法的基本步驟
• 6.4.3 算法使用的模型
• 6.4.4 算法的博弈樹表示
• 6.4.5 算法的搜索執行過程
• 6.5 總結
• 第7章 深度強化學習在實踐中的應用
• 7.1 神經網絡結構搜索（NAS）
• 7.1.1 算法原理
• 7.1.2 算法效果
• 7.1.3 小結
• 7.2 超分辨率模型（SRGAN）
• 7.2.1 算法原理
• 7.2.2 小結
• 7.3 序列生成模型（SeqGAN）
• 7.3.1 算法原理
• 7.3.2 小結
• 7.4 基于深度強化學習的推薦系統
• 7.4.1 推薦系統的強化學習環境構建
• 7.4.2 推薦系統的強化學習算法
• 7.4.3 小結
• 7.5 基于深度強化學習的交易系統
• 7.5.1 算法原理
• 7.5.2 小結
• 7.6 總結
• 附錄A 本書使用的數學符號
• 參考文獻
• 封底 更新時間：2022-05-06 17:09:32