動手學強化學習
張偉楠 沈鍵 俞勇
- 出版商: 人民郵電
- 出版日期: 2024-10-01
- 售價: $539
- 貴賓價: 9.5 折 $512
- 語言: 簡體中文
- 頁數: 246
- ISBN: 7115584516
- ISBN-13: 9787115584519
-
相關分類:
Reinforcement、化學 Chemistry
立即出貨
買這商品的人也買了...
-
惡意代碼分析實戰$1,068$1,015 -
時間序列分析及應用 : R語言, 2/e (Time Series Analysis With Applications in R, 2/e)$288$274 -
統計學習導論 -- 基於 R應用$474$450 -
統計學習理論基礎$258$245 -
了不起的 Markdown$390$371 -
強化學習(RL)：使用 PyTorch 徹底精通 (有些許瑕疵,不影響閱讀)$780$616 -
強化式學習：打造最強 AlphaZero 通用演算法$780$616 -
$403圖神經網絡：基礎與前沿 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$850 -
$254Python 強化學習實戰：使用 OpenAI Gym、TensorFlow 和 Keras (Applied Reinforcement Learning with Python: With Openai Gym, Tensorflow, and Keras) -
$327遷移學習導論 -
深度強化學習落地指南$654$621 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
集成式學習：Python 實踐！整合全部技術，打造最強模型 (Hands-On Ensemble Learning with Python: Build highly optimized ensemble machine learning models using scikit-learn and Keras)$750$593 -
$509Easy RL 強化學習教程 -
演算法學習手冊｜寫出更有效率的程式 (Learning Algorithms: A Programmer's Guide to Writing Better Code)$580$458 -
$607Python 數據清洗 -
深度強化學習$779$740 -
$560動手學深度學習（PyTorch版） -
$458動手學機器學習 -
深度強化學習--算法原理與金融實踐入門$414$393 -
邊緣AI｜使用嵌入式機器學習解決真實世界的問題 (AI at the Edge: Solving Real-World Problems with Embedded Machine Learning)$880$695 -
數字信號處理實踐與應用 — MATLAB 話數字信號處理, 2/e$324$308 -
AI 神助攻！程式設計新境界 – GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯$560$442 -
時間序列與機器學習$600$570
相關主題
商品描述
本書系統地介紹了強化學習的原理和實現，是一本理論扎實、落地性強的圖書。
本書包含3個部分：第一部分為強化學習基礎，講解強化學習的基礎概念和表格型強化學習方法；第二部分為強化學習進階，討論深度強化學習的思維方式、深度價值函數和深度策略學習方法；第三部分為強化學習前沿，介紹學術界在深度強化學習領域的主要關註方向和前沿算法。同時，本書提供配套的線上代碼實踐平臺，展示源碼的編寫和運行過程，讓讀者進一步掌握強化學習算法的運行機制。
本書理論與實踐並重，在介紹強化學習理論的同時，輔之以線上代碼實踐平臺，幫助讀者通過實踐加深對理論的理解。本書適合對強化學習感興趣的高校學生、教師，以及相關行業的開發和研究人員閱讀、實踐。
作者簡介
张伟楠，上海交通大学副教授，博士生导师，ACM班机器学习、强化学习课程授课老师，吴文俊人工智能优秀青年奖、达摩院青橙奖得主，获得中国科协“青年人才托举工程”支持。他的科研领域包括强化学习、数据挖掘、知识图谱、深度学习以及这些技术在推荐系统、搜索引擎、文本分析等场景中的应用。他在国际会议和期刊上发表了100余篇相关领域的学术论文，于2016年在英国伦敦大学学院（UCL）计算机系获得博士学位。
沈键，上海交通大学APEX实验室博士生，师从俞勇教授，研究方向为深度学习、强化学习和教育数据挖掘。在攻读博士期间，他以第一作者身份发表机器学习国际会议NeurIPS、AAAI论文，参与发表多篇机器学习和数据挖掘国际会议（包括ICML、IJCAI、SIGIR、KDD、AISTATS等）论文，并担任多个国际会议和SCI学术期刊的审稿人。
俞勇，享受国务院特殊津贴专家，教学名师，上海交通大学特聘教授，APEX实验室主任，上海交通大学ACM班创始人。俞勇教授曾获得“国家高层次人才特殊支持计划”教学名师、“上海市教学名师奖”“全国师德标兵”“上海交通大学校长奖”和“最受学生欢迎教师”等荣誉。他于2018年创办了伯禹人工智能学院，在上海交通大学ACM班人工智能专业课程体系的基础上，对AI课程体系进行创新，致力于培养卓越的AI算法工程师和研究员。
目錄大綱
第 一部分 強化學習基礎
第 1 章 初探強化學習 2
1.1 簡介 2
1.2 什麽是強化學習 2
1.3 強化學習的環境 4
1.4 強化學習的目標 4
1.5 強化學習中的數據 5
1.6 強化學習的獨特性 6
1.7 小結 6
第 2 章 多臂老虎機問題 7
2.1 簡介 7
2.2 問題介紹 7
2.2.1 問題定義 7
2.2.2 形式化描述 8
2.2.3 累積懊悔 8
2.2.4 估計期望獎勵 8
2.3 探索與利用的平衡 10
2.4 -貪婪算法 11
2.5 上置信界算法 14
2.6 湯普森採樣算法 16
2.7 小結 18
2.8 參考文獻 18
第 3 章 馬爾可夫決策過程 19
3.1 簡介 19
3.2 馬爾可夫過程 19
3.2.1 隨機過程 19
3.2.2 馬爾可夫性質 19
3.2.3 馬爾可夫過程 20
3.3 馬爾可夫獎勵過程 21
3.3.1 回報 21
3.3.2 價值函數 22
3.4 馬爾可夫決策過程 24
3.4.1 策略 25
3.4.2 狀態價值函數 25
3.4.3 動作價值函數 25
3.4.4 貝爾曼期望方程 25
3.5 蒙特卡洛方法 28
3.6 占用度量 31
3.7 最優策略 32
3.8 小結 33
3.9 參考文獻 33
第 4 章 動態規劃算法 34
4.1 簡介 34
4.2 懸崖漫步環境 34
4.3 策略迭代算法 36
4.3.1 策略評估 36
4.3.2 策略提升 36
4.3.3 策略迭代 37
4.4 價值迭代算法 40
4.5 冰湖環境 42
4.6 小結 45
4.7 擴展閱讀：收斂性證明 45
4.7.1 策略迭代 45
4.7.2 價值迭代 45
4.8 參考文獻 46
第 5 章 時序差分算法 47
5.1 簡介 47
5.2 時序差分 48
5.3 Sarsa 算法 48
5.4 多步 Sarsa 算法 53
5.5 Q-learning 算法 56
5.6 小結 60
5.7 擴展閱讀：Q-learning 收斂性證明 61
5.8 參考文獻 62
第 6 章 Dyna-Q 算法 63
6.1 簡介 63
6.2 Dyna-Q 63
6.3 Dyna-Q 代碼實踐 64
6.4 小結 69
6.5 參考文獻 69
第二部分 強化學習進階
第 7 章 DQN算法 72
7.1 簡介 72
7.2 車桿環境 72
7.3 DQN 73
7.3.1 經驗回放 74
7.3.2 目標網絡 74
7.4 DQN代碼實踐 75
7.5 以圖像作為輸入的DQN算法 79
7.6 小結 80
7.7 參考文獻 80
第 8 章 DQN改進算法 81
8.1 簡介 81
8.2 Double DQN 81
8.3 Double DQN代碼實踐 82
8.4 Dueling DQN 88
8.5 Dueling DQN代碼實踐 90
8.6 小結 93
8.7 擴展閱讀：對Q值過高估計的定量分析 93
8.8 參考文獻 94
第 9 章 策略梯度算法 95
9.1 簡介 95
9.2 策略梯度 95
9.3 REINFORCE 96
9.4 REINFORCE代碼實踐 97
9.5 小結 100
9.6 擴展閱讀：策略梯度證明 100
9.7 參考文獻 102
第 10 章 Actor-Critic算法 103
10.1 簡介 103
10.2 Actor-Critic 103
10.3 Actor-Critic代碼實踐 105
10.4 小結 108
10.5 參考文獻 108
第 11 章 TRPO算法 109
11.1 簡介 109
11.2 策略目標 109
11.3 近似求解 111
11.4 共軛梯度 112
11.5 線性搜索 112
11.6 廣義優勢估計 113
11.7 TRPO代碼實踐 114
11.8 小結 122
11.9 參考文獻 123
第 12 章 PPO算法 124
12.1 簡介 124
12.2 PPO-懲罰 124
12.3 PPO-截斷 125
12.4 PPO代碼實踐 125
12.5 小結 131
12.6 參考文獻 132
第 13 章 DDPG算法 133
13.1 簡介 133
13.2 DDPG 133
13.3 DDPG代碼實踐 135
13.4 小結 140
13.5 擴展閱讀：確定性策略梯度定理的證明 140
13.6 參考文獻 141
第 14 章 SAC算法 142
14.1 簡介 142
14.2 最大熵強化學習 142
14.3 Soft策略迭代 143
14.4 SAC 143
14.5 SAC代碼實踐 145
14.6 小結 154
14.7 參考文獻 155
第三部分 強化學習前沿
第 15 章 模仿學習 158
15.1 簡介 158
15.2 行為克隆 159
15.3 生成對抗模仿學習 159
15.4 代碼實踐 160
15.4.1 生成專家數據 160
15.4.2 行為克隆的代碼實踐 163
15.4.3 生成對抗模仿學習的代碼實踐 165
15.5 小結 167
15.6 參考文獻 168
第 16 章 模型預測控制 169
16.1 簡介 169
16.2 打靶法 169
16.2.1 隨機打靶法 170
16.2.2 交叉熵方法 170
16.3 PETS算法 171
16.4 PETS算法實踐 172
16.5 小結 179
16.6 參考文獻 179
第 17 章 基於模型的策略優化 180
17.1 簡介 180
17.2 MBPO算法 180
17.3 MBPO代碼實踐 181
17.4 小結 192
17.5 拓展閱讀：MBPO理論分析 192
17.5.1 性能提升的單調性保障 192
17.5.2 模型推演長度 192
17.6 參考文獻 193
第 18 章 離線強化學習 194
18.1 簡介 194
18.2 批量限制 Q-learning算法 195
18.3 保守 Q-learning算法 197
18.4 CQL代碼實踐 199
18.5 小結 208
18.6 擴展閱讀 208
18.7 參考文獻 210
第 19 章 目標導向的強化學習 211
19.1 簡介 211
19.2 問題定義 211
19.3 HER算法 212
19.4 HER代碼實踐 213
19.5 小結 221
19.6 參考文獻 221
第 20 章 多智能體強化學習入門 222
20.1 簡介 222
20.2 問題建模 223
20.3 多智能體強化學習的基本求解範式 223
20.4 IPPO算法 223
20.5 IPPO代碼實踐 224
20.6 小結 228
20.7 參考文獻 229
第 21 章 多智能體強化學習進階 230
21.1 簡介 230
21.2 MADDPG算法 230
21.3 MADDPG代碼實踐 232
21.4 小結 240
21.5 參考文獻 240
總結與展望 241
總結 241
展望：剋服強化學習的落地挑戰 241
中英文術語對照表與符號表 244
中英文術語對照表 244
符號表 246
