強化學習

魏慶來、王飛躍

強化學習 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2022-07-01
  • 定價: $359
  • 售價: 8.5 折 $305
  • 語言: 簡體中文
  • ISBN: 7302589720
  • ISBN-13: 9787302589723
  • 相關分類: Reinforcement、化學 Chemistry

    • 立即出貨 (庫存 < 4)

  • 強化學習-preview-1
  • 強化學習-preview-2
  • 強化學習-preview-3
強化學習-preview-1

買這商品的人也買了...

商品描述

強化學習是目前機器學習乃至人工智能領域發展最快的分支之一。強化學習的基本思想是通過與環境的交互、智能體或智能算法獲取相關智能，其具體過程就是根據環境反饋得到的獎勵不斷調整自身的策略進而獲得**獎勵決策的學習歷程。本書主要講述了強化學習的基本原理和基本方法，基於強化學習的控制、決策和優化方法設計與理論分析，深度強化學習原理以及平行強化學習等未來強化學習的發展新方向，展示從先行後知到先知後行，再到知行合一的混合平行智能思路。 本書可作為高等學校人工智能、機器學習、智能控制、智能決策、智慧管理、系統工程以及應用數學等專業的本科生或研究生教材，亦可供相關專業科研人員和工程技術人員參考。

目錄大綱

目錄

第1章強化學習概論

1.1引言

1.2強化學習的發展歷程

1.3強化學習的研究現狀

1.4本書內容架構

參考文獻

第2章馬爾可夫決策過程

2.1馬爾可夫決策過程

2.2策略與代價函數

2.3最優策略與最優代價函數

參考文獻

第3章動態規劃

3.1動態規劃的興起

3.2動態規劃基本思想： 多級決策過程

3.3最優性原理與遞推方程

3.4離散時間動態規劃

3.5連續時間動態規劃

3.6動態規劃的挑戰

參考文獻

第4章蒙特卡洛學習方法

4.1蒙特卡洛方法背景

4.1.1蒙特卡洛方法的由來

4.1.2基於模型的算法與無模型算法比較

4.1.3蒙特卡洛模擬的思路

4.2蒙特卡洛預測

4.2.1初次訪問蒙特卡洛預測

4.2.2歷次訪問蒙特卡洛預測

4.2.3增量計算技巧

4.3蒙特卡洛控制

4.3.1初始探索問題

4.3.2在策方法： ε貪心算法

4.3.3脫策算法： 重要性採樣

4.4蒙特卡洛強化學習算法總結

參考文獻

第5章時序差分學習

5.1時序差分學習基本概念

5.2時序差分學習算法

5.3n步回報 

5.4TD(λ)算法

參考文獻

第6章神經網絡

6.1神經網絡的發展歷史

6.2MP神經元模型

6.3前饋神經網絡

6.3.1感知機

6.3.2誤差反向傳播算法

6.3.3徑向基網絡

6.4其他常見的神經網絡

6.4.1ART網絡

6.4.2Hopfield網絡

6.4.3Boltzmann機

參考文獻

第7章自適應動態規劃

7.1問題描述

7.2自適應動態規劃的原理

7.3自適應動態規劃的分類

7.3.1啟發式動態規劃

7.3.2二次啟發式規劃

7.3.3執行依賴啟發式動態規劃

7.3.4執行依賴二次啟發式規劃

7.4基於執行依賴的自適應動態規劃方法

7.4.1問題描述

7.4.2基於執行依賴的自適應動態規劃方法

參考文獻

第8章策略迭代學習方法

8.1啟發式學習原理

8.2離散時間策略迭代自適應動態規劃

8.2.1策略迭代算法的推導

8.2.2策略迭代算法的性質

8.2.3初始容許控制律的獲得

8.2.4模擬實驗

8.3連續時間策略迭代自適應動態規劃

8.3.1連續時間策略迭代算法

8.3.2連續時間策略迭代自適應動態規劃的性能分析

參考文獻

第9章值迭代學習方法

9.1值迭代學習原理

9.2離散時間值迭代自適應動態規劃

9.2.1離散時間非線性系統的Bellman方程解

9.2.2廣義值迭代自適應動態規劃

9.3連續時間值迭代自適應動態規劃

9.3.1問題描述

9.3.2主要結果

參考文獻

第10章Q學習方法

10.1無模型強化學習

10.2Q學習原理

10.3離散時間確定性Q學習

10.3.1問題描述

10.3.2離散時間確定性Q學習算法的性質

10.3.3離散時間確定性Q學習算法的神經網絡實現

10.3.4模擬實驗

10.4Q學習進展

參考文獻

第11章脫策學習

11.1脫策學習的興盛

11.2脫策學習的基本思想

11.2.1問題描述

11.2.2相關研究工作

11.3脫策學習過程

11.3.1脫策強化學習

11.3.2基於神經網絡的實現

11.4脫策學習收斂性分析

11.5基於脫策強化學習的線性H∞控制

11.6模擬實驗

參考文獻

第12章深度強化學習

12.1深度學習基本概念

12.1.1深度學習的起源

12.1.2深度學習與傳統機器學習

12.1.3深度學習的運用環境

12.2深度神經網絡

12.2.1深度神經網絡溯源

12.2.2梯度下降法

12.2.3反向傳播

12.2.4動量模型

12.2.5學習律

12.3捲積神經網絡

12.3.1捲積神經網絡介紹

12.3.2捲積層

12.3.3採樣層

12.3.4分類層

12.3.5經典捲積神經網絡結構

12.4循環神經網絡

12.4.1循環神經網絡介紹

12.4.2長短期記憶模型

12.5生成對抗網絡

12.6深度強化學習基本理論

12.6.1Q函數

12.6.2策略

12.6.3效用值

12.6.4模型

12.6.5規劃

12.7深度強化學習實際應用

12.7.1游戲

12.7.2機器人與控制

12.7.3自然語言處理

12.7.4電腦視覺

12.8未來待解決的問題

12.8.1採樣效率低下

12.8.2難以尋找合適的效用函數

12.8.3局部最優陷阱

12.8.4過擬合問題

12.8.5復現難題

12.8.6適用場景與未來思考

參考文獻

第13章強化學習展望： 平行強化學習

13.1自適應動態規劃與深度強化學習

13.2平行控制理論的基本思想

13.3平行動態規劃方法

參考文獻

類似商品