|
题名:
|
强化学习 / 肖智清著 , |
|
ISBN:
|
978-7-111-72891-7 价格： CNY129.00 |
|
语种:
|
chi |
|
载体形态:
|
XIII, 490页 图 24cm |
|
出版发行:
|
出版地： 北京 出版社： 机械工业出版社 出版日期： 2023 |
|
内容提要:
|
本书介绍强化学习理论及其Python实现。第1章: 从零开始介绍强化学习的背景知识, 介绍环境库Gym的使用。第2-15章: 基于折扣奖励离散时间Markov决策过程模型, 介绍强化学习的主干理论和常见算法。采用数学语言推导强化学习的基础理论, 进而在理论的基础上讲解算法, 并为算法提供配套代码实现。基础理论的讲解突出主干部分, 算法讲解全面覆盖主流的强化学习算法, 包括经典的非深度强化学习算法和近年流行的强化学习算法。Python实现和算法讲解一一对应, 针对深度强化学习算法还给出了基于TensorFlow2和PyTorch1的对照实现。第16章: 介绍其他强化学习模型, 包括平均奖励模型、连续时间模型、非齐次模型, 半Markov模型、部分可观测模型等, 以便更好了解强化学习研究的全貌。 |
|
主题词:
|
机器学习 |
|
中图分类法:
|
TP181 版次： 5 |
|
主要责任者:
|
肖智清 著 |
|
责任者附注:
|
肖智清, 强化学习一线研发人员, 清华大学工学博士。在国内外出版多本人工智能专著, 在知名期刊和会议上发表多篇第一作者论文。 |