【深度实践教程】继“蘑菇书”后全新造，助读者快速门强化学习代码实践。 【丰富内容覆盖】涵盖马尔可夫决策过程、动态规划、多种算法等核心知识。 【实践经验支撑】大部分内容基于三位作者实践经验编写。 【源框架助力】提供“JoyRL”源代码框架，适应业界应用研究风格。 【针对性强】适合有编程基础且想快速实践应用阶段的读者。 【知识提炼串联】提炼强化学习核心理论，串联知识。
售 价：¥
纸质售价：¥63.00购买纸书
6.3
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
前言
资源与支持
第1章 绪论
1.1 为什么要学习强化学习？
1.2 强化学习的应用
1.3 强化学习方向概述
1.4 学习本书之前的一些准备
第2章 马尔可夫决策过程
2.1 马尔可夫决策过程
2.2 马尔可夫性质
2.3 回报
2.4 状态转移矩阵
2.5 本章小结
2.6 练习题
第3章 动态规划
3.1 动态规划的编程思想
3.2 状态价值函数和动作价值函数
3.3 贝尔曼方程
3.4 策略迭代算法
3.5 价值迭代算法
3.6 本章小结
3.7 练习题
第4章 免模型预测
4.1 有模型与免模型
4.2 预测与控制
4.3 蒙特卡罗方法
4.4 时序差分方法
4.5 时序差分方法和蒙特卡罗方法的差异
4.6 n步时序差分方法
4.7 本章小结
4.8 练习题
第5章 免模型控制
5.1 Q-learning 算法
5.2 Sarsa 算法
5.3 同策略算法与异策略算法
5.4 实战：Q-learning算法
5.5 实战：Sarsa算法
5.6 本章小结
5.7 练习题
第6章 深度学习基础
6.1 强化学习与深度学习的关系
6.2 线性回归模型
6.3 梯度下降
6.4 逻辑回归模型
6.5 全连接网络
6.6 高级的神经网络模型
6.7 本章小结
6.8 练习题
第7章 DQN算法
7.1 深度神经网络
7.2 经验回放
7.3 目标网络
7.4 实战：DQN算法
7.5 本章小结
7.6 练习题
第8章 DQN算法进阶
8.1 Double DQN算法
8.2 Dueling DQN 算法
8.3 Noisy DQN 算法
8.4 PER DQN算法
8.5 实战：Double DQN 算法
8.6 实战：Dueling DQN算法
8.7 实战：Noisy DQN算法
8.8 实战：PER DQN 算法
8.9 本章小结
8.10 练习题
第9章 策略梯度
9.1 基于价值的算法的缺点
9.2 策略梯度算法
9.3 REINFORCE算法
9.4 策略梯度推导进阶
9.5 策略函数的设计
9.6 本章小结
9.7 练习题
第10章 Actor-Critic算法
10.1 策略梯度算法的优缺点
10.2 Q Actor-Critic算法
10.3 A2C与A3C算法
10.4 广义优势估计
10.5 实战：A2C算法
10.6 本章小结
10.7 练习题
第11章 DDPG与TD3算法
11.1 DPG算法
11.2 DDPG算法
11.3 DDPG算法的优缺点
11.4 TD3算法
11.5 实战：DDPG算法
11.6 实战：TD3算法
11.7 本章小结
11.8 练习题
第12章 PPO算法
12.1 重要性采样
12.2 PPO算法
12.3 一个常见的误区
12.4 实战：PPO算法
12.5 本章小结
12.6 练习题
练习题答案
第2章
第3章
第4章
第5章
第6章
第7章
第8章
第9章
第10章
第11章
第12章
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
