当前位置: 首页 > python

强化学习:原理与Python实现pdf电子书

简介强化学习:原理与Python实现中文版怎么样? 本书理论完备,涵盖主流经典强化学习算法和深度强化学习算法;实战性强,基于Python、Gym、TensorFlow 2、AlphaZ...
《强化学习:原理与Python实现》pdf电子书百度网盘下载
《强化学习:原理与Python实现》pdf电子书百度网盘下载


 

强化学习:原理与Python实现中文版怎么样?最新电子版百度云下载

本书理论完备,涵盖主流经典强化学习算法和深度强化学习算法;实战性强,基于Python、Gym、TensorFlow 2、AlphaZero等构建,配套代码与综合案例。全书共12章,主要内容如下。

第1章:介绍强化学习的基础知识与强化学习环境库Gym的使用,并给出完整的编程实例。

第2~9章:介绍强化学习的理论知识。以Markov决策过程为基础模型,覆盖了所有主流强化学习理论和算法,包括资格迹等经典算法和深度确定性梯度策略等深度强化学习算法。所有章节都提供了与算法配套的Python程序,使读者完全掌握强化学习算法的原理与应用。

第10~12章:介绍了多个热门综合案例,包括电动游戏、棋盘游戏和自动驾驶。算法部分涵盖了在《自然》《科学》等权威期刊上发表的多个深度强化学习明星算法。


作者简介:
肖智清 强化学习一线研发人员,清华大学工学博士,现就职于全球知名投资银行。擅长概率统计和机器学习,近5年发表SCI/EI论文十余篇,是多个顶级期刊和会议审稿人。在国内外多项程序设计和数据科学竞赛上获得冠军。

目录:
第1章 初识强化学习 1
第2章 Markov决策过程 16
第3章 有模型数值迭代 37
第4章 回合更新价值迭代 54
第5章 时序差分价值迭代 76
第6章 函数近似方法 101
第7章 回合更新策略梯度方法 125
第8章 执行者/评论者方法 139
第9章 连续动作空间的确定性策略 172
第10章 综合案例:电动游戏 188
第11章 综合案例:棋盘游戏 200
第12章 综合案例:自动驾驶 226

点击下载