Python強化學習實戰：使用OpenAI Gym、TensorFlow和Keras ( 簡體 字) |
| 作者：[美] 托威赫·貝索洛（Taweh Beysolow II）著 | 類別：1. -> 程式設計 -> Python
2. -> 程式設計 -> 機器學習 |
| 譯者：敖富江 杜靜 張民壘 譯 |
| 出版社：清華大學出版社 |  3dWoo書號： 54297
詢問書籍請說出此書號！【缺書】
NT售價： 250 元 |
| 出版日：2/1/2021 |
| 頁數： |
| 光碟數：0 |
|
站長推薦：   |
| 印刷： | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302570097 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：很榮幸第三次在Apress出版社出書！《Python強化學習實戰 使用OpenAI Gym、Tensorrflow和Keras》是我撰寫過的最復雜書籍，但對于每一位數據科學家和工程師來說都物有所值。在過去的幾年中，強化學習領域經歷了重大變革，熱愛人工智能的每個人都值得全身心投入。
作為人工智能研究的前沿，《Python強化學習實戰 使用OpenAI Gym、Tensorrflow和Keras》將是熟悉該領域狀況以及最常用技術的絕佳起點。基于這一點，我希望讀者能夠從中汲取力量，從而繼續自己的研究并在各自的領域進行創新。 |
內容簡介：主要內容：
使用Python實現強化學習算法；
應用A相架，例如OpenAl Gym.TensorFlow和人cras利用云資源部窖并訓練基于強化學習的解決方案；
實戰遢化學習實際應用 |
目錄：第1章強化學習導論1
1.1強化學習的發展史2
1.2MDP及其與強化學習的關系3
1.3強化學習算法和強化學習框架5
1.4Q學習8
1.5強化學習的應用9
1.5.1經典控制問題9
1.5.2《超級馬里奧兄弟》游戲10
1.5.3《毀滅戰士》游戲11
1.5.4基于強化學習的做市策略12
1.5.5《刺?索尼克》游戲12
1.6本章小結13
第2章強化學習算法15
2.1OpenAIGym15
2.2基于策略的學習16
2.3策略梯度的數學解釋17
2.4基于梯度上升的策略優化19
2.5使用普通策略梯度法求解車桿問題20
2.6什么是折扣獎勵，為什么要使用它們23
2.7策略梯度的不足28
2.8近端策略優化(PPO)和Actor-Critic模型29
2.9實現PPO并求解《超級馬里奧兄弟》30
2.9.1《超級馬里奧兄弟》概述30
2.9.2安裝環境軟件包31
2.9.3資源庫中的代碼結構32
2.9.4模型架構32
2.10應對難度更大的強化學習挑戰37
2.11容器化強化學習實驗39
2.12實驗結果41
2.13本章小結41
第3章強化學習算法：Q學習及其變種43
3.1Q學習43
3.2時序差分(TD)學習45
3.3epsilon-greedy算法46
3.4利用Q學習求解冰湖問題47
3.5深度Q學習50
3.6利用深度Q學習玩《毀滅戰士》游戲51
3.7訓練與性能56
3.8深度Q學習的局限性57
3.9雙Q學習和雙深度Q網絡58
3.10本章小結59
第4章基于強化學習的做市策略61
4.1什么是做市61
4.2TradingGym63
4.3為什么強化學習適用于做市64
4.4使用TradingGym合成訂單簿數據66
4.5使用TradingGym生成訂單簿數據67
4.6實驗設計68
4.6.1強化學習方法1：策略梯度71
4.6.2強化學習方法2：深度Q網絡71
4.7結果和討論73
4.8本章小結74
第5章自定義OpenAI強化學習環境75
5.1《刺?索尼克》游戲概述75
5.2下載該游戲76
5.3編寫該環境的代碼78
5.4A3CActor-Critic82
5.5本章小結88
附錄A源代碼91
|
| 序： |
