最新章節(jié)

• 封底
• 譯者簡介
• 推薦閱讀
• 參考文獻(xiàn)
• G.5 實(shí)用函數(shù)
• G.4.3 JuMP.jl

• 封底 更新時(shí)間：2024-10-29 18:35:53
• 譯者簡介
• 推薦閱讀
• 參考文獻(xiàn)
• G.5 實(shí)用函數(shù)
• G.4.3 JuMP.jl
• G.4.2 Distributions.jl
• G.4.1 Graphs.jl
• G.4 包
• G.3.3 迭代器
• G.3.2 循環(huán)
• G.3.1 條件求值
• G.3 控制流程
• G.2.7 解包
• G.2.6 調(diào)度分派
• G.2.5 關(guān)鍵字參數(shù)
• G.2.4 可選參數(shù)
• G.2.3 可調(diào)用對象
• G.2.2 匿名函數(shù)
• G.2.1 命名函數(shù)
• G.2 函數(shù)
• G.1.12 參數(shù)化類型
• G.1.11 抽象類型
• G.1.10 組合類型
• G.1.9 字典
• G.1.8 命名元組
• G.1.7 元組
• G.1.6 矩陣
• G.1.5 向量
• G.1.4 符號
• G.1.3 字符串
• G.1.2 數(shù)值類型
• G.1.1 布爾類型
• G.1 數(shù)據(jù)類型
• 附錄G Julia
• F.15 協(xié)作式“捕食者-獵物”六邊形世界問題
• F.14 包含多位護(hù)理者的哭鬧的嬰兒問題
• F.13 “捕食者-獵物”六邊形世界問題
• F.12 旅行者困境問題
• F.11 “石頭、剪刀、布”問題
• F.10 囚徒的困境
• F.9 接球問題
• F.8 機(jī)器更換問題
• F.7 哭鬧的嬰兒問題
• F.6 飛機(jī)防撞問題
• F.5 簡單調(diào)節(jié)器問題
• F.4 山地車問題
• F.3 “推車-豎桿”問題
• F.2 2048問題
• F.1 六邊形世界問題
• 附錄F 決策問題
• E.6 啟發(fā)式搜索
• E.5 動態(tài)規(guī)劃
• E.4 分支定界法
• E.3 正向搜索
• E.2 搜索圖
• E.1 搜索問題
• 附錄E 搜索算法
• D.7 對抗式神經(jīng)網(wǎng)絡(luò)
• D.6 自動編碼器神經(jīng)網(wǎng)絡(luò)
• D.5 循環(huán)神經(jīng)網(wǎng)絡(luò)
• D.4 卷積神經(jīng)網(wǎng)絡(luò)
• D.3 參數(shù)正則化
• D.2 前饋網(wǎng)絡(luò)
• D.1 神經(jīng)網(wǎng)絡(luò)
• 附錄D 神經(jīng)網(wǎng)絡(luò)表示
• C.4 可判定性
• C.3 空間復(fù)雜度的級別
• C.2 時(shí)間復(fù)雜度的級別
• C.1 漸近表示法
• 附錄C 計(jì)算復(fù)雜度
• 附錄B 概率分布
• A.16 圖
• A.15 收縮映射
• A.14 重要性采樣技術(shù)
• A.13 蒙特卡羅估計(jì)方法
• A.12 泰勒展開式
• A.11 梯度上升
• A.10 相對熵
• A.9 交叉熵
• A.8 熵
• A.7 信息量
• A.6 凸性
• A.5 正定性
• A.4 賦范向量空間
• A.3 度量空間
• A.2 概率空間
• A.1 測度空間
• 附錄A 數(shù)學(xué)概念
• 附錄
• 27.8 練習(xí)題
• 27.7 本章小結(jié)
• 27.6 非線性規(guī)劃
• 27.5 啟發(fā)式搜索
• 27.4 迭代式最優(yōu)響應(yīng)
• 27.3 動態(tài)規(guī)劃
• 27.2 Dec-POMDP的子類別
• 27.1 分散的部分可觀測馬爾可夫決策過程
• 第27章 協(xié)作智能體
• 26.6 練習(xí)題
• 26.5 本章小結(jié)
• 26.4 動態(tài)規(guī)劃
• 26.3 納什均衡
• 26.2.2 評估隨機(jī)控制器
• 26.2.1 評估條件規(guī)劃
• 26.2 策略評估
• 26.1 部分可觀測馬爾可夫博弈
• 第26章 狀態(tài)不確定性
• 25.8 練習(xí)題
• 25.7 本章小結(jié)
• 25.6 納什Q-學(xué)習(xí)
• 25.5 梯度上升
• 25.4 虛構(gòu)博弈
• 25.3 納什均衡
• 25.2.2 Softmax響應(yīng)
• 25.2.1 最優(yōu)響應(yīng)
• 25.2 響應(yīng)模型
• 25.1 馬爾可夫博弈
• 第25章 序列問題
• 24.11 練習(xí)題
• 24.10 本章小結(jié)
• 24.9 梯度上升
• 24.8 虛構(gòu)博弈
• 24.7 層次化Softmax
• 24.6 迭代式最優(yōu)響應(yīng)
• 24.5 相關(guān)均衡
• 24.4 納什均衡
• 24.3 主導(dǎo)策略均衡
• 24.2.2 Softmax響應(yīng)
• 24.2.1 最優(yōu)響應(yīng)
• 24.2 響應(yīng)模型
• 24.1 簡單博弈
• 第24章 多智能體推理
• 第五部分 多智能體系統(tǒng)
• 23.6 練習(xí)題
• 23.5 本章小結(jié)
• 23.4 梯度上升
• 23.3 非線性規(guī)劃
• 23.2 策略迭代
• 23.1 控制器
• 第23章 控制器抽象
• 22.9 練習(xí)題
• 22.8 本章小結(jié)
• 22.7 間隙啟發(fā)式搜索
• 22.6 確定性稀疏樹搜索
• 22.5 蒙特卡羅樹搜索
• 22.4 稀疏抽樣
• 22.3 分支定界法
• 22.2 正向搜索
• 22.1 具有預(yù)演的前瞻策略
• 第22章 在線信念狀態(tài)規(guī)劃
• 21.11 練習(xí)題
• 21.10 本章小結(jié)
• 21.9 三角化的值函數(shù)
• 21.8 鋸齒啟發(fā)式搜索
• 21.7 點(diǎn)選擇
• 21.6 鋸齒上界
• 21.5 基于隨機(jī)點(diǎn)的值迭代
• 21.4 基于點(diǎn)的值迭代
• 21.3 快速下界
• 21.2 快速通知界限
• 21.1 完全可觀測值的近似
• 第21章 離線信念狀態(tài)規(guī)劃
• 20.8 練習(xí)題
• 20.7 本章小結(jié)
• 20.6 線性策略
• 20.5 值迭代
• 20.4 剪枝
• 20.3 阿爾法向量
• 20.2 條件規(guī)劃
• 20.1 信念-狀態(tài)馬爾可夫決策過程
• 第20章 精確信念狀態(tài)規(guī)劃
• 19.9 練習(xí)題
• 19.8 本章小結(jié)
• 19.7 粒子注入
• 19.6 粒子濾波器
• 19.5 無跡卡爾曼濾波器
• 19.4 擴(kuò)展卡爾曼濾波器
• 19.3 卡爾曼濾波器
• 19.2 離散狀態(tài)濾波器
• 19.1 信念初始化
• 第19章 信念
• 第四部分 狀態(tài)不確定性
• 18.8 練習(xí)題
• 18.7 本章小結(jié)
• 18.6 生成式對抗性模仿學(xué)習(xí)
• 18.5 最大熵逆向強(qiáng)化學(xué)習(xí)
• 18.4 最大邊際逆向強(qiáng)化學(xué)習(xí)
• 18.3 隨機(jī)混合迭代學(xué)習(xí)
• 18.2 數(shù)據(jù)集聚合
• 18.1 行為克隆
• 第18章 模仿學(xué)習(xí)
• 17.9 練習(xí)題
• 17.8 本章小結(jié)
• 17.7 經(jīng)驗(yàn)回放
• 17.6 行為值函數(shù)近似
• 17.5 獎勵塑形
• 17.4 資格跡
• 17.3 Sarsa
• 17.2 Q-學(xué)習(xí)
• 17.1 均值的增量估計(jì)
• 第17章 無模型的方法
• 16.8 練習(xí)題
• 16.7 本章小結(jié)
• 16.6 后驗(yàn)抽樣
• 16.5 貝葉斯自適應(yīng)馬爾可夫決策過程
• 16.4 貝葉斯方法
• 16.3 探索策略
• 16.2.3 優(yōu)先更新
• 16.2.2 隨機(jī)更新
• 16.2.1 完整更新
• 16.2 更新方案
• 16.1 最大似然模型
• 第16章 基于模型的方法
• 15.8 練習(xí)題
• 15.7 本章小結(jié)
• 15.6 使用多個(gè)狀態(tài)進(jìn)行探索
• 15.5 最佳探索策略
• 15.4 有向探索策略
• 15.3 無向探索策略
• 15.2 貝葉斯模型估計(jì)
• 15.1 賭博機(jī)問題
• 第15章 探索和利用
• 第三部分 模型不確定性
• 14.7 練習(xí)題
• 14.6 本章小結(jié)
• 14.5 對抗性分析
• 14.4 權(quán)衡分析
• 14.3 魯棒性分析
• 14.2 罕見事件模擬
• 14.1 性能指標(biāo)評估
• 第14章 策略驗(yàn)證
• 13.6 練習(xí)題
• 13.5 本章小結(jié)
• 13.4 蒙特卡羅樹搜索的“行為者-評論家”
• 13.3 確定性策略梯度
• 13.2 廣義優(yōu)勢估計(jì)
• 13.1 “行為者-評論家”
• 第13章 “行為者-評論家”方法
• 12.7 練習(xí)題
• 12.6 本章小結(jié)
• 12.5 剪裁代理目標(biāo)
• 12.4 信任區(qū)域更新
• 12.3 自然梯度更新
• 12.2 帶約束條件的梯度更新
• 12.1 梯度上升更新
• 第12章 策略梯度的優(yōu)化
• 11.7 練習(xí)題
• 11.6 本章小結(jié)
• 11.5 基線扣除法
• 11.4 “之后的獎勵”方法
• 11.3 似然比
• 11.2 回歸梯度
• 11.1 有限差分
• 第11章 策略梯度值的估算
• 10.8 練習(xí)題
• 10.7 本章小結(jié)
• 10.6 各向同性進(jìn)化策略
• 10.5 進(jìn)化策略
• 10.4 交叉熵方法
• 10.3 遺傳算法
• 10.2 局部搜索
• 10.1 近似策略評估
• 第10章 策略搜索
• 9.11 練習(xí)題
• 9.10 本章小結(jié)
• 9.9.3 多重預(yù)測模型預(yù)測控制
• 9.9.2 魯棒模型預(yù)測控制
• 9.9.1 確定性模型預(yù)測控制
• 9.9 開環(huán)規(guī)劃
• 9.8 標(biāo)記啟發(fā)式搜索
• 9.7 啟發(fā)式搜索
• 9.6 蒙特卡羅樹搜索
• 9.5 稀疏抽樣
• 9.4 分支定界法
• 9.3 正向搜索
• 9.2 基于預(yù)演的前瞻算法
• 9.1 滾動時(shí)域規(guī)劃
• 第9章 在線規(guī)劃
• 8.9 練習(xí)題
• 8.8 本章小結(jié)
• 8.7 神經(jīng)網(wǎng)絡(luò)回歸
• 8.6 線性回歸
• 8.5 單純形插值
• 8.4 線性插值
• 8.3 核平滑
• 8.2 最近鄰
• 8.1 參數(shù)化表示
• 第8章 近似值函數(shù)
• 7.10 練習(xí)題
• 7.9 本章小結(jié)
• 7.8 具有二次型獎勵的線性系統(tǒng)
• 7.7 線性規(guī)劃方程
• 7.6 異步值迭代
• 7.5 值迭代
• 7.4 策略迭代
• 7.3 值函數(shù)策略
• 7.2 策略評估
• 7.1 馬爾可夫決策過程
• 第7章 精確求解方法
• 第二部分 序列問題
• 6.9 練習(xí)題
• 6.8 本章小結(jié)
• 6.7 非理性
• 6.6 信息價(jià)值
• 6.5 決策網(wǎng)絡(luò)
• 6.4 最大期望效用原則
• 6.3 效用誘導(dǎo)
• 6.2 效用函數(shù)
• 6.1 理性偏好上的約束
• 第6章 簡單決策
• 5.6 練習(xí)題
• 5.5 本章小結(jié)
• 5.4 部分有向圖搜索
• 5.3 馬爾可夫等價(jià)類
• 5.2 有向圖搜索
• 5.1 貝葉斯網(wǎng)絡(luò)評分
• 第5章 結(jié)構(gòu)學(xué)習(xí)
• 4.6 練習(xí)題
• 4.5 本章小結(jié)
• 4.4.2 期望最大化
• 4.4.1 數(shù)據(jù)插值
• 4.4 缺失數(shù)據(jù)的學(xué)習(xí)
• 4.3 非參數(shù)學(xué)習(xí)
• 4.2.3 貝葉斯網(wǎng)絡(luò)的貝葉斯學(xué)習(xí)
• 4.2.2 類別分布的貝葉斯學(xué)習(xí)
• 4.2.1 二元分布的貝葉斯學(xué)習(xí)
• 4.2 貝葉斯參數(shù)學(xué)習(xí)
• 4.1.3 貝葉斯網(wǎng)絡(luò)的最大似然估計(jì)
• 4.1.2 高斯分布的最大似然估計(jì)
• 4.1.1 類別分布的最大似然估計(jì)
• 4.1 最大似然參數(shù)學(xué)習(xí)
• 第4章 參數(shù)學(xué)習(xí)
• 3.11 練習(xí)題
• 3.10 本章小結(jié)
• 3.9 高斯模型中的推理
• 3.8 吉布斯抽樣
• 3.7 似然加權(quán)抽樣
• 3.6 直接抽樣
• 3.5 計(jì)算復(fù)雜度
• 3.4 信念傳播
• 3.3 “和-積”變量消除
• 3.2 樸素貝葉斯模型中的推理
• 3.1 貝葉斯網(wǎng)絡(luò)中的推理
• 第3章 推理
• 2.8 練習(xí)題
• 2.7 本章小結(jié)
• 2.6 條件獨(dú)立性
• 2.5 貝葉斯網(wǎng)絡(luò)
• 2.4.6 確定性變量
• 2.4.5 sigmoid模型
• 2.4.4 條件線性高斯模型
• 2.4.3 線性高斯模型
• 2.4.2 條件高斯模型
• 2.4.1 離散條件模型
• 2.4 條件分布
• 2.3.2 連續(xù)聯(lián)合分配
• 2.3.1 離散聯(lián)合分布
• 2.3 聯(lián)合分布
• 2.2.2 連續(xù)概率分布
• 2.2.1 離散概率分布
• 2.2 概率分布
• 2.1 信念度和概率
• 第2章 表示
• 第一部分 概率推理
• 1.6.5 多智能體系統(tǒng)
• 1.6.4 狀態(tài)不確定性
• 1.6.3 模型不確定性
• 1.6.2 序列問題
• 1.6.1 概率推理
• 1.6 本書組織結(jié)構(gòu)
• 1.5 社會影響
• 1.4.7 運(yùn)籌學(xué)
• 1.4.6 數(shù)學(xué)
• 1.4.5 工程
• 1.4.4 計(jì)算機(jī)科學(xué)
• 1.4.3 神經(jīng)科學(xué)
• 1.4.2 心理學(xué)
• 1.4.1 經(jīng)濟(jì)學(xué)
• 1.4 自動化決策過程的歷史
• 1.3.5 強(qiáng)化學(xué)習(xí)
• 1.3.4 規(guī)劃
• 1.3.3 優(yōu)化
• 1.3.2 監(jiān)督式學(xué)習(xí)
• 1.3.1 顯式編程
• 1.3 方法
• 1.2.6 火星科學(xué)探測
• 1.2.5 分布式森林火災(zāi)監(jiān)控系統(tǒng)
• 1.2.4 金融消費(fèi)與投資組合配置
• 1.2.3 乳腺癌篩查
• 1.2.2 自動駕駛控制系統(tǒng)
• 1.2.1 飛機(jī)防撞控制系統(tǒng)
• 1.2 應(yīng)用
• 1.1 決策
• 第1章 導(dǎo)論
• 致謝
• 前言
• 譯者序
• 作者簡介
• 版權(quán)信息
• 封面

• 封面
• 版權(quán)信息
• 作者簡介
• 譯者序
• 前言
• 致謝
• 第1章 導(dǎo)論
• 1.1 決策
• 1.2 應(yīng)用
• 1.2.1 飛機(jī)防撞控制系統(tǒng)
• 1.2.2 自動駕駛控制系統(tǒng)
• 1.2.3 乳腺癌篩查
• 1.2.4 金融消費(fèi)與投資組合配置
• 1.2.5 分布式森林火災(zāi)監(jiān)控系統(tǒng)
• 1.2.6 火星科學(xué)探測
• 1.3 方法
• 1.3.1 顯式編程
• 1.3.2 監(jiān)督式學(xué)習(xí)
• 1.3.3 優(yōu)化
• 1.3.4 規(guī)劃
• 1.3.5 強(qiáng)化學(xué)習(xí)
• 1.4 自動化決策過程的歷史
• 1.4.1 經(jīng)濟(jì)學(xué)
• 1.4.2 心理學(xué)
• 1.4.3 神經(jīng)科學(xué)
• 1.4.4 計(jì)算機(jī)科學(xué)
• 1.4.5 工程
• 1.4.6 數(shù)學(xué)
• 1.4.7 運(yùn)籌學(xué)
• 1.5 社會影響
• 1.6 本書組織結(jié)構(gòu)
• 1.6.1 概率推理
• 1.6.2 序列問題
• 1.6.3 模型不確定性
• 1.6.4 狀態(tài)不確定性
• 1.6.5 多智能體系統(tǒng)
• 第一部分 概率推理
• 第2章 表示
• 2.1 信念度和概率
• 2.2 概率分布
• 2.2.1 離散概率分布
• 2.2.2 連續(xù)概率分布
• 2.3 聯(lián)合分布
• 2.3.1 離散聯(lián)合分布
• 2.3.2 連續(xù)聯(lián)合分配
• 2.4 條件分布
• 2.4.1 離散條件模型
• 2.4.2 條件高斯模型
• 2.4.3 線性高斯模型
• 2.4.4 條件線性高斯模型
• 2.4.5 sigmoid模型
• 2.4.6 確定性變量
• 2.5 貝葉斯網(wǎng)絡(luò)
• 2.6 條件獨(dú)立性
• 2.7 本章小結(jié)
• 2.8 練習(xí)題
• 第3章 推理
• 3.1 貝葉斯網(wǎng)絡(luò)中的推理
• 3.2 樸素貝葉斯模型中的推理
• 3.3 “和-積”變量消除
• 3.4 信念傳播
• 3.5 計(jì)算復(fù)雜度
• 3.6 直接抽樣
• 3.7 似然加權(quán)抽樣
• 3.8 吉布斯抽樣
• 3.9 高斯模型中的推理
• 3.10 本章小結(jié)
• 3.11 練習(xí)題
• 第4章 參數(shù)學(xué)習(xí)
• 4.1 最大似然參數(shù)學(xué)習(xí)
• 4.1.1 類別分布的最大似然估計(jì)
• 4.1.2 高斯分布的最大似然估計(jì)
• 4.1.3 貝葉斯網(wǎng)絡(luò)的最大似然估計(jì)
• 4.2 貝葉斯參數(shù)學(xué)習(xí)
• 4.2.1 二元分布的貝葉斯學(xué)習(xí)
• 4.2.2 類別分布的貝葉斯學(xué)習(xí)
• 4.2.3 貝葉斯網(wǎng)絡(luò)的貝葉斯學(xué)習(xí)
• 4.3 非參數(shù)學(xué)習(xí)
• 4.4 缺失數(shù)據(jù)的學(xué)習(xí)
• 4.4.1 數(shù)據(jù)插值
• 4.4.2 期望最大化
• 4.5 本章小結(jié)
• 4.6 練習(xí)題
• 第5章 結(jié)構(gòu)學(xué)習(xí)
• 5.1 貝葉斯網(wǎng)絡(luò)評分
• 5.2 有向圖搜索
• 5.3 馬爾可夫等價(jià)類
• 5.4 部分有向圖搜索
• 5.5 本章小結(jié)
• 5.6 練習(xí)題
• 第6章 簡單決策
• 6.1 理性偏好上的約束
• 6.2 效用函數(shù)
• 6.3 效用誘導(dǎo)
• 6.4 最大期望效用原則
• 6.5 決策網(wǎng)絡(luò)
• 6.6 信息價(jià)值
• 6.7 非理性
• 6.8 本章小結(jié)
• 6.9 練習(xí)題
• 第二部分 序列問題
• 第7章 精確求解方法
• 7.1 馬爾可夫決策過程
• 7.2 策略評估
• 7.3 值函數(shù)策略
• 7.4 策略迭代
• 7.5 值迭代
• 7.6 異步值迭代
• 7.7 線性規(guī)劃方程
• 7.8 具有二次型獎勵的線性系統(tǒng)
• 7.9 本章小結(jié)
• 7.10 練習(xí)題
• 第8章 近似值函數(shù)
• 8.1 參數(shù)化表示
• 8.2 最近鄰
• 8.3 核平滑
• 8.4 線性插值
• 8.5 單純形插值
• 8.6 線性回歸
• 8.7 神經(jīng)網(wǎng)絡(luò)回歸
• 8.8 本章小結(jié)
• 8.9 練習(xí)題
• 第9章 在線規(guī)劃
• 9.1 滾動時(shí)域規(guī)劃
• 9.2 基于預(yù)演的前瞻算法
• 9.3 正向搜索
• 9.4 分支定界法
• 9.5 稀疏抽樣
• 9.6 蒙特卡羅樹搜索
• 9.7 啟發(fā)式搜索
• 9.8 標(biāo)記啟發(fā)式搜索
• 9.9 開環(huán)規(guī)劃
• 9.9.1 確定性模型預(yù)測控制
• 9.9.2 魯棒模型預(yù)測控制
• 9.9.3 多重預(yù)測模型預(yù)測控制
• 9.10 本章小結(jié)
• 9.11 練習(xí)題
• 第10章 策略搜索
• 10.1 近似策略評估
• 10.2 局部搜索
• 10.3 遺傳算法
• 10.4 交叉熵方法
• 10.5 進(jìn)化策略
• 10.6 各向同性進(jìn)化策略
• 10.7 本章小結(jié)
• 10.8 練習(xí)題
• 第11章 策略梯度值的估算
• 11.1 有限差分
• 11.2 回歸梯度
• 11.3 似然比
• 11.4 “之后的獎勵”方法
• 11.5 基線扣除法
• 11.6 本章小結(jié)
• 11.7 練習(xí)題
• 第12章 策略梯度的優(yōu)化
• 12.1 梯度上升更新
• 12.2 帶約束條件的梯度更新
• 12.3 自然梯度更新
• 12.4 信任區(qū)域更新
• 12.5 剪裁代理目標(biāo)
• 12.6 本章小結(jié)
• 12.7 練習(xí)題
• 第13章 “行為者-評論家”方法
• 13.1 “行為者-評論家”
• 13.2 廣義優(yōu)勢估計(jì)
• 13.3 確定性策略梯度
• 13.4 蒙特卡羅樹搜索的“行為者-評論家”
• 13.5 本章小結(jié)
• 13.6 練習(xí)題
• 第14章 策略驗(yàn)證
• 14.1 性能指標(biāo)評估
• 14.2 罕見事件模擬
• 14.3 魯棒性分析
• 14.4 權(quán)衡分析
• 14.5 對抗性分析
• 14.6 本章小結(jié)
• 14.7 練習(xí)題
• 第三部分 模型不確定性
• 第15章 探索和利用
• 15.1 賭博機(jī)問題
• 15.2 貝葉斯模型估計(jì)
• 15.3 無向探索策略
• 15.4 有向探索策略
• 15.5 最佳探索策略
• 15.6 使用多個(gè)狀態(tài)進(jìn)行探索
• 15.7 本章小結(jié)
• 15.8 練習(xí)題
• 第16章 基于模型的方法
• 16.1 最大似然模型
• 16.2 更新方案
• 16.2.1 完整更新
• 16.2.2 隨機(jī)更新
• 16.2.3 優(yōu)先更新
• 16.3 探索策略
• 16.4 貝葉斯方法
• 16.5 貝葉斯自適應(yīng)馬爾可夫決策過程
• 16.6 后驗(yàn)抽樣
• 16.7 本章小結(jié)
• 16.8 練習(xí)題
• 第17章 無模型的方法
• 17.1 均值的增量估計(jì)
• 17.2 Q-學(xué)習(xí)
• 17.3 Sarsa
• 17.4 資格跡
• 17.5 獎勵塑形
• 17.6 行為值函數(shù)近似
• 17.7 經(jīng)驗(yàn)回放
• 17.8 本章小結(jié)
• 17.9 練習(xí)題
• 第18章 模仿學(xué)習(xí)
• 18.1 行為克隆
• 18.2 數(shù)據(jù)集聚合
• 18.3 隨機(jī)混合迭代學(xué)習(xí)
• 18.4 最大邊際逆向強(qiáng)化學(xué)習(xí)
• 18.5 最大熵逆向強(qiáng)化學(xué)習(xí)
• 18.6 生成式對抗性模仿學(xué)習(xí)
• 18.7 本章小結(jié)
• 18.8 練習(xí)題
• 第四部分 狀態(tài)不確定性
• 第19章 信念
• 19.1 信念初始化
• 19.2 離散狀態(tài)濾波器
• 19.3 卡爾曼濾波器
• 19.4 擴(kuò)展卡爾曼濾波器
• 19.5 無跡卡爾曼濾波器
• 19.6 粒子濾波器
• 19.7 粒子注入
• 19.8 本章小結(jié)
• 19.9 練習(xí)題
• 第20章 精確信念狀態(tài)規(guī)劃
• 20.1 信念-狀態(tài)馬爾可夫決策過程
• 20.2 條件規(guī)劃
• 20.3 阿爾法向量
• 20.4 剪枝
• 20.5 值迭代
• 20.6 線性策略
• 20.7 本章小結(jié)
• 20.8 練習(xí)題
• 第21章 離線信念狀態(tài)規(guī)劃
• 21.1 完全可觀測值的近似
• 21.2 快速通知界限
• 21.3 快速下界
• 21.4 基于點(diǎn)的值迭代
• 21.5 基于隨機(jī)點(diǎn)的值迭代
• 21.6 鋸齒上界
• 21.7 點(diǎn)選擇
• 21.8 鋸齒啟發(fā)式搜索
• 21.9 三角化的值函數(shù)
• 21.10 本章小結(jié)
• 21.11 練習(xí)題
• 第22章 在線信念狀態(tài)規(guī)劃
• 22.1 具有預(yù)演的前瞻策略
• 22.2 正向搜索
• 22.3 分支定界法
• 22.4 稀疏抽樣
• 22.5 蒙特卡羅樹搜索
• 22.6 確定性稀疏樹搜索
• 22.7 間隙啟發(fā)式搜索
• 22.8 本章小結(jié)
• 22.9 練習(xí)題
• 第23章 控制器抽象
• 23.1 控制器
• 23.2 策略迭代
• 23.3 非線性規(guī)劃
• 23.4 梯度上升
• 23.5 本章小結(jié)
• 23.6 練習(xí)題
• 第五部分 多智能體系統(tǒng)
• 第24章 多智能體推理
• 24.1 簡單博弈
• 24.2 響應(yīng)模型
• 24.2.1 最優(yōu)響應(yīng)
• 24.2.2 Softmax響應(yīng)
• 24.3 主導(dǎo)策略均衡
• 24.4 納什均衡
• 24.5 相關(guān)均衡
• 24.6 迭代式最優(yōu)響應(yīng)
• 24.7 層次化Softmax
• 24.8 虛構(gòu)博弈
• 24.9 梯度上升
• 24.10 本章小結(jié)
• 24.11 練習(xí)題
• 第25章 序列問題
• 25.1 馬爾可夫博弈
• 25.2 響應(yīng)模型
• 25.2.1 最優(yōu)響應(yīng)
• 25.2.2 Softmax響應(yīng)
• 25.3 納什均衡
• 25.4 虛構(gòu)博弈
• 25.5 梯度上升
• 25.6 納什Q-學(xué)習(xí)
• 25.7 本章小結(jié)
• 25.8 練習(xí)題
• 第26章 狀態(tài)不確定性
• 26.1 部分可觀測馬爾可夫博弈
• 26.2 策略評估
• 26.2.1 評估條件規(guī)劃
• 26.2.2 評估隨機(jī)控制器
• 26.3 納什均衡
• 26.4 動態(tài)規(guī)劃
• 26.5 本章小結(jié)
• 26.6 練習(xí)題
• 第27章 協(xié)作智能體
• 27.1 分散的部分可觀測馬爾可夫決策過程
• 27.2 Dec-POMDP的子類別
• 27.3 動態(tài)規(guī)劃
• 27.4 迭代式最優(yōu)響應(yīng)
• 27.5 啟發(fā)式搜索
• 27.6 非線性規(guī)劃
• 27.7 本章小結(jié)
• 27.8 練習(xí)題
• 附錄
• 附錄A 數(shù)學(xué)概念
• A.1 測度空間
• A.2 概率空間
• A.3 度量空間
• A.4 賦范向量空間
• A.5 正定性
• A.6 凸性
• A.7 信息量
• A.8 熵
• A.9 交叉熵
• A.10 相對熵
• A.11 梯度上升
• A.12 泰勒展開式
• A.13 蒙特卡羅估計(jì)方法
• A.14 重要性采樣技術(shù)
• A.15 收縮映射
• A.16 圖
• 附錄B 概率分布
• 附錄C 計(jì)算復(fù)雜度
• C.1 漸近表示法
• C.2 時(shí)間復(fù)雜度的級別
• C.3 空間復(fù)雜度的級別
• C.4 可判定性
• 附錄D 神經(jīng)網(wǎng)絡(luò)表示
• D.1 神經(jīng)網(wǎng)絡(luò)
• D.2 前饋網(wǎng)絡(luò)
• D.3 參數(shù)正則化
• D.4 卷積神經(jīng)網(wǎng)絡(luò)
• D.5 循環(huán)神經(jīng)網(wǎng)絡(luò)
• D.6 自動編碼器神經(jīng)網(wǎng)絡(luò)
• D.7 對抗式神經(jīng)網(wǎng)絡(luò)
• 附錄E 搜索算法
• E.1 搜索問題
• E.2 搜索圖
• E.3 正向搜索
• E.4 分支定界法
• E.5 動態(tài)規(guī)劃
• E.6 啟發(fā)式搜索
• 附錄F 決策問題
• F.1 六邊形世界問題
• F.2 2048問題
• F.3 “推車-豎桿”問題
• F.4 山地車問題
• F.5 簡單調(diào)節(jié)器問題
• F.6 飛機(jī)防撞問題
• F.7 哭鬧的嬰兒問題
• F.8 機(jī)器更換問題
• F.9 接球問題
• F.10 囚徒的困境
• F.11 “石頭、剪刀、布”問題
• F.12 旅行者困境問題
• F.13 “捕食者-獵物”六邊形世界問題
• F.14 包含多位護(hù)理者的哭鬧的嬰兒問題
• F.15 協(xié)作式“捕食者-獵物”六邊形世界問題
• 附錄G Julia
• G.1 數(shù)據(jù)類型
• G.1.1 布爾類型
• G.1.2 數(shù)值類型
• G.1.3 字符串
• G.1.4 符號
• G.1.5 向量
• G.1.6 矩陣
• G.1.7 元組
• G.1.8 命名元組
• G.1.9 字典
• G.1.10 組合類型
• G.1.11 抽象類型
• G.1.12 參數(shù)化類型
• G.2 函數(shù)
• G.2.1 命名函數(shù)
• G.2.2 匿名函數(shù)
• G.2.3 可調(diào)用對象
• G.2.4 可選參數(shù)
• G.2.5 關(guān)鍵字參數(shù)
• G.2.6 調(diào)度分派
• G.2.7 解包
• G.3 控制流程
• G.3.1 條件求值
• G.3.2 循環(huán)
• G.3.3 迭代器
• G.4 包
• G.4.1 Graphs.jl
• G.4.2 Distributions.jl
• G.4.3 JuMP.jl
• G.5 實(shí)用函數(shù)
• 參考文獻(xiàn)
• 推薦閱讀
• 譯者簡介
• 封底 更新時(shí)間：2024-10-29 18:35:53