白话强化学习与PyTorch word 网盘 高速 下载地址大全 免费

《白话强化学习与PyTorch》以“平民”的起点，从“零”开始，基于PyTorch框架，介绍深度学习和强化学习的技术与技巧，逐层铺垫，营造良好的带入感和亲近感，把学习曲线拉平，使得没有学过微积分等高级理论的程序员一样能够读得懂、学得会。同时，本书配合漫画插图来调节阅读气氛，并对每个原理都进行了对比讲解和实例说明。 《白话强化学习与PyTorch》适合对深度学习和强化学习感兴趣的技术人员、希望对深度学习和强化学习进行入门了解的技术人员及深度学习和强化学习领域的初级从业人员阅读。

第1章 强化学习是什么 1.1 题设 1.1.1 多智能才叫智能 1.1.2 人工智能的定义 1.2 强化学习的研究对象 1.2.1 什么场合需要强化学习 1.2.2 强化学习的建模 1.3 本章小结 第2章 强化学习的脉络 2.1 什么是策略 2.2 什么是好的策略 2.3 什么是模型 2.4 如何得到一个好的策略 2.4.1 直接法 2.4.2 间接法 2.5 马尔可夫决策过程 2.5.1 状态转移 2.5.2 策略与评价 2.5.3 策略优化 2.6 MODEL-BASED和MODEL-FREE 2.6.1 Model-Based 2.6.2 规划问题 2.6.3 Model-Free 2.7 本章小结 第3章 动态规划 3.1 状态估值 3.2 策略优化 3.3 本章小结 第4章 蒙特卡罗法 4.1 状态估值 4.2 两种估值方法 4.2.1 首次访问策略估值 4.2.2 每次访问策略估值 4.3 策略优化 4.4 本章小结 第5章 时间差分 5.1 SARSA算法 5.1.1 伪代码 5.1.2 SARSA的优缺点 5.2 Q-LEARNING 5.2.1 伪代码 5.2.2 Q-Learning的优缺点 5.3 ON-POLICY和OFF-POLICY 5.4 ON-LINE学习和OFF-LINE学习 5.5 比较与讨论 5.6 本章小结 第6章 深度学习 6.1 PyTorch简介 6.1.1 历史渊源 6.1.2 支持 6.2 神经元 6.3 线性回归 6.4 激励函数 6.4.1 Sigmoid函数 6.4.2 Tanh函数 6.4.3 ReLU函数 6.4.4 Linear函数 6.5 神经网络 6.6 网络训练 6.6.1 输入 6.6.2 输出 6.6.3 网络结构 6.6.4 损失函数 6.6.5 求解极小值 6.6.6 线性回归 6.6.7 凸函数 6.6.8 二元（多元）凸函数 6.6.9 导数补充 6.6.10 导数怎么求 6.6.11 “串联式”神经元 6.6.12 模型的工作 6.6.13 损失函数的理解 6.7 深度学习的优势 6.7.1 线性和非线性的叠加 6.7.2 不用再提取特征 6.7.3 处理线性不可分 6.8 手写数字识别公开数据集 6.9 全连接网络 6.9.1 输入输出 6.9.2 代码解读 6.9.2.1 网络结构 6.9.2.2 交叉熵损失函数 6.9.3 运行结果 6.10 卷积网络 6.10.1 代码解读 6.10.2 理解卷积网络结构 6.10.3 卷积核结构 6.11 循环神经网络 6.11.1 网络结构 6.11.2 RNN应用案例 6.11.3 代码解读 6.12 其它注意事项 6.12.1 并行计算 6.12.2 梯度消失与梯度爆炸 6.12.3 归一化 6.12.4 超参数设置 6.12.5 正则化 6.12.6 不唯一的模型 6.13 深度神经网络的发展趋势 6.14 本章小结 第7章 GYM——不要钱的试验场 7.1 简介 7.2 安装 7.3 类别介绍 7.4 接口 7.5 本章小结 第8章 DQN算法族 8.1 DQN 2013 8.1.1 模型结构 8.1.2 训练过程 8.1.3 Replay Memory 8.1.4 小结 8.2 DQN 2015 8.2.1 模型结构 8.2.2 训练过程 8.2.3 Target网络 8.2.4 小结 8.3 DOUBLE DQN 8.3.1 模型结构 8.3.2 训练过程 8.3.3 效果 8.3.4 小结 8.4 DUELING DQN 8.4.1 模型结构 8.4.2 效果 8.4.3 小结 8.5 优先回放DQN 8.6 GORILA DQN 8.7 本章小结 第9章 PG算法族 9.1 策略梯度 9.2 ACTOR-CRITIC 9.3 DPG 9.4 DDPG 9.5 本章小结 第10章 A3C 10.1 模型结构 10.1.1 A3C DQN 10.1.2 A3C DDPG 10.2 本章小结 第11章、UNREAL 11.1 主任务 11.2 像素控制任务 11.3 奖励值预测 11.4 值函数回放 11.5 损失函数 11.6 本章小结 第12章 NEAT 12.1 遗传算法 12.1.1 进化过程 12.1.2 算法流程 12.1.3 背包问题 12.1.4 极大（小）值问题 12.2 NEAT原理 12.2.1 基因组 12.2.2 变异和遗传 12.3 NEAT示例 12.3.1 Cartpole 12.3.2 Lunar Lander 12.4 本章小结 第13章 SERPENTAI 13.1 简介 13.2 安装配置 13.3 示例 13.3.1 创建Game Plugin 13.3.2 创建Game Agent 13.3.3 训练Context Classifier 13.3.4 模型设计 13.3.5 训练Agent 13.4 本章小结 第14章 案例详解 14.1 ALPHAGO 14.1.1 AlphaGO的前世今生 14.1.2 深蓝是谁 14.1.3 围棋到底有多复杂 14.1.4 论文要义 14.1.5 成绩 14.1.6 开源项目 14.2 ALPHAGO ZERO 14.2.1 改进之处 14.2.2 成绩 14.2.3 开源项目 14.3 试验场大观 14.3.1 《星际争霸2》 14.3.2 VizDoom 14.3.3 Universe 14.3.4 DOTA2 14.4 本章小结 第15章 扩展讨论 15.1 TRPO 15.2 反向强化学习 15.3 模型压缩 15.3.1 剪枝 15.3.2 量化 15.3.3 结构压缩 15.3.4 矩阵分解 15.4 本章小结 后记 附录 参考文献

高扬，金山办公软件人工智能组技术负责人，历任欢聚时代人工智能算法专家，金山软件西山居大数据架构师等职。重庆工商大学研究生导师，电子工业出版社博文视点大数据技术图书专家委员会专家委员，有多年海外工作经验。有多部白话系列大数据与机器学习相关著作。 叶振斌，现任网易游戏伏羲人工智能实验室高级深度学习研发工程师。多年从事机器学习，特别是强化学习智能算法的研究及开发工作。拥有丰富的软件开发经验，丰富的人工智能算法训练平台开发经验。于2014年获东北大学软件工程专业学士学位，2017年获重庆大学计算机科学与技术专业硕士学位。

暂无其它内容！

暂时还没有人为这本书评论！