Hlboké posilňovacie učenie v jednote: So sadou nástrojov Unity ML Toolkit

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 3 hlasoch.

Pôvodný názov:

Deep Reinforcement Learning in Unity: With Unity ML Toolkit

Obsah knihy:

Kapitola 1: Úvod do učenia posilňovaním.

Podtémy.

1. Markovove modely a stavové učenie.

2. Bellmanove rovnice.

3. Vytvorenie RL simulácie Multi Armed Bandit.

4. Iterácia hodnôt a politík.

Kapitola 2: Hľadanie cesty a navigácia.

Dielčie témy.

1. Pathfinding v Unity.

2. Navigačné siete.

3. Vytváranie umelej inteligencie nepriateľov.

Kapitola 3: Nastavenie ML Agents Toolkit SDK.

Pod - témy:

1. Inštalácia ML agentov.

2. Konfigurácia Brain Academy.

3. Prepojenie ML agentov s Tensorflow pomocou Jupyter Notebooks.

4. Hranie sa so vzorkami ML agentov.

Kapitola 4: Porozumenie agentom a akadémii Brain.

Dielčie témy:

1. Pochopenie architektúry Brain.

2. Tréning rôznych agentov s jedným mozgom.

3. Všeobecné hyperparametre.

Kapitola 5: Hlboké učenie s posilňovaním.

Dielčie témy:

1. Základy matematického strojového učenia s Pythonom.

2. Hlboké učenie s Keras a Tensorflow.

3. Algoritmy hlbokého posilňovania učenia.

4. Písanie neurónovej siete pre hlboké učenie Q pre mozog.

5. Ladenie hyperparametrov pre optimalizáciu.

6. Návrh siete LSTM založenej na pamäti pomocou Keras pre Brain.

7. Tvorba agenta umelej inteligencie pre hru Kart pomocou natrénovanej siete.

Kapitola 6: Konkurenčné siete pre agentov umelej inteligencie.

Podtémy:

1. Kooperatívna sieť a protivná sieť.

2. Rozšírené učenie posilňovania - hlboké gradienty politiky.

3. Simulácie uskutočnené s agentmi Unity ML.

4. Simulácia autonómneho agenta s umelou inteligenciou pre autonómne riadenie.

Kapitola 7: Prípadová štúdia - výzva s prekážkovou vežou.

Pod - témy:

1. Výzva s prekážkovou vežou.

2. Výzva pre agentov Unity ML.

3. Vývoj výskumu z oblasti umelej inteligencie Unity.

4. Hranie sa s obalom Open AI Gym.