Algoritmy posilneného učenia s jazykom Python

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 12 hlasoch.

Pôvodný názov:

Reinforcement Learning Algorithms with Python

Obsah knihy:

Vyvíjajte algoritmy a agentov pre samoučenie pomocou TensorFlow a ďalších nástrojov, rámcov a knižníc jazyka Python Kľúčové vlastnosti Naučte sa, vyvíjajte a nasadzujte pokročilé algoritmy posilňovania učenia na riešenie rôznych úloh Pochopte a vyvíjajte algoritmy bez modelu a algoritmy založené na modeli na vytváranie agentov pre samoučenie Pracujte s pokročilými konceptmi a algoritmami posilňovania učenia, ako je imitačné učenie a evolučné stratégie Popis knihy

Reinforcement Learning (RL) je populárne a sľubné odvetvie umelej inteligencie, ktoré zahŕňa tvorbu inteligentnejších modelov a agentov, ktorí dokážu automaticky určiť ideálne správanie na základe meniacich sa požiadaviek. Táto kniha vám pomôže zvládnuť algoritmy RL a pochopiť ich implementáciu pri vytváraní samoučiacich sa agentov.

Táto kniha začína úvodom do nástrojov, knižníc a nastavení potrebných na prácu v prostredí RL, zahŕňa stavebné kamene RL a venuje sa metódam založeným na hodnotách, ako je napríklad aplikácia algoritmov Q-learning a SARSA. Naučíte sa, ako používať kombináciu Q-learningu a neurónových sietí na riešenie zložitých problémov. Okrem toho si preštudujete metódy gradientu politiky, TRPO a PPO na zlepšenie výkonnosti a stability a potom prejdete k deterministickým algoritmom DDPG a TD3. Táto kniha sa zaoberá aj tým, ako fungujú techniky imitačného učenia a ako môže Dagger naučiť agenta riadiť. Objavíte evolučné stratégie a techniky čiernej optimalizácie a uvidíte, ako môžu zlepšiť algoritmy RL. Nakoniec sa zoznámite s prístupmi prieskumu, ako sú UCB a UCB1, a vytvoríte metaalgoritmus s názvom ESBAS.

Na konci knihy budete pracovať s kľúčovými algoritmami RL, aby ste prekonali výzvy v reálnych aplikáciách a stali sa súčasťou výskumnej komunity RL. Čo sa naučíte Vyvinúť agenta na hru CartPole pomocou rozhrania OpenAI Gym Objavte paradigmu posilňovania založenú na modeli Riešte problém zamrznutého jazera pomocou dynamického programovania Preskúmajte Q-learning a SARSA s ohľadom na hru taxík Aplikujte hlboké Q-siete (DQN) na hry Atari pomocou Gym Preskúmajte algoritmy gradientu politiky, vrátane Actor-Critic a REINFORCE Pochopte a aplikujte PPO a TRPO v prostrediach s nepretržitým pohybom Zoznámte sa s evolučnými stratégiami na riešenie problému lunárneho pristávacieho modulu Komu je táto kniha určená

Ak ste výskumník v oblasti umelej inteligencie, používateľ hlbokého učenia alebo ktokoľvek, kto sa chce naučiť posilňovacie učenie od základov, táto kniha je pre vás. Táto kniha o reinforcement learningu vám bude užitočná aj vtedy, ak sa chcete dozvedieť o pokrokoch v tejto oblasti. Potrebná je pracovná znalosť jazyka Python. Obsah Krajina posilňovacieho učenia Implementácia RL Cyklus a telocvičňa OpenAI Riešenie problémov s dynamickým programovaním Q učenie a aplikácie SARSA Hlboké učenie Q-sietí Stochastická a DDPG optimalizácia Implementácia TRPO a PPO DDPG a aplikácie TD3 RL založené na modeli Imitačné učenie s algoritmom DAgger Pochopenie optimalizačných algoritmov Black-Box Vývoj algoritmu ESBAS Praktická implementácia na riešenie problémov RL