- 用Python动手学强化学习(第2版全彩印刷)/图灵程序设计丛书
- - 作者：(日)久保隆宏|责编:杜晓静|译者:梁垿//程引
  - 出版社：人民邮电
  - ISBN：9787115564221
  - 出版日期：2021/07/01
  - 页数：262
- 售价：35.92

内容大纲
强化学习是机器学习的重要分支之一。本书结合实际可运行的Python代码，通过简明的文字、丰富的插图和示例，通俗易懂地介绍了从基础概念到前沿应用等方方面面的内容，包括根据环境和经验制订计划的学习方法、强化学习与神经网络的组合，以及强化学习的弱点和克服方法。读者通过下载书中代码并亲自动手运行，可以快速入门强化学习并进行实践。
本书适合具有一定编程经验、对强化学习感兴趣的工程师阅读。
作者介绍
目录
第1章  了解强化学习
  1.1  强化学习与各关键词之间的关系
  1.2  强化学习的优点和弱点
  1.3  强化学习的问题设定：马尔可夫决策过程
第2章  强化学习的解法（1）：根据环境制订计划
  2.1  价值的定义和计算：贝尔曼方程
  2.2  基于动态规划法的价值近似的学习：价值迭代
  2.3  基于动态规划法的策略的学习：策略迭代
  2.4  基于模型的方法和无模型的方法的区别
第3章  强化学习的解法（2）：根据经验制订计划
  3.1  平衡经验的积累与利用：Epsilon-Greedy算法
  3.2  是根据实际奖励还是预测来修正计划：蒙特卡洛方法和时序差分学习
  3.3  用经验来更新价值近似还是策略：基于价值和基于策略
第4章  使用面向强化学习的神经网络
  4.1  将神经网络应用于强化学习
  4.2  通过含有参数的函数实现价值近似：价值函数近似
  4.3  将深度学习应用于价值近似：DQN
  4.4  通过含有参数的函数实现策略：策略梯度
  4.5  将深度学习应用于策略：A2C
  4.6  是价值近似还是策略呢
第5章  强化学习的弱点
  5.1  获取样本的效率低
  5.2  容易陷入局部最优行动和过拟合
  5.3  复现性差
  5.4  以弱点为前提的对策
第6章  克服强化学习弱点的方法
  6.1  应对采样效率低的方法：与基于模型的方法一起使用、表征学习
  6.2  改善复现性的方法：进化策略
  6.3  应对局部最优行动和过拟合的方法：模仿学习和逆强化学习
第7章  强化学习的应用领域
  7.1  行动的最优化
  7.2  学习的最优化
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目