安徽理工大学图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

深度强化学习实践/(俄) 马克西姆·拉潘著 林然, 王薇译

出版发行项:

北京:机械工业出版社,2021

ISBN及定价:

978-7-111-68738-2/CNY149.00

载体形态项:

xvii, 617页:图;24cm

统一题名:

Deep reinforcement learning hands-on

丛编项:

智能系统与技术丛书

个人责任者:

拉潘 (Lapan, Maxim) 著

个人次要责任者:

林然 译

个人次要责任者:

王薇 译

学科主题:

机器学习-算法

中图法分类号:

TP181

版本附注:

译自原书第2版

出版发行附注:

本书中文简体字版由Packt Publishing授权机械工业出版社独家出版

责任者附注:

马克西姆·拉潘, 一位深度学习爱好者和独立研究者。林然, 在2016年加入Thoughtworks之后, 主要担任全栈软件开发工程师。王薇, 北京邮电大学硕士。

提要文摘附注:

本书介绍了强化学习的基础知识, 以及如何动手编写智能体以执行一系列实际任务。本书首先介绍强化学习的概念、OpenAI Gym库以及PyTorch库。接着分别介绍几种强化学习方法: 交叉熵、Q-learning、DQN及其扩展以及高级强化学习库。然后介绍策略梯度及其扩展的A2C、A3C方法, 并研究可以使用策略梯度方法解决的实际问题: 使用RL训练聊天机器人、通过TextWorld环境解决基于文本的文字冒险游戏、Web导航和浏览器自动化。之后介绍连续控制问题、机器人技术中的强化学习、置信域方法等高级强化学习部分。接着介绍另一套RL方法: 黑盒优化。最后讨论RL的高级探索、基于模型的方法、AlphaGo Zero、离散优化、多智能体强化学习。

豆瓣简介：