深度強化學習原理與實踐

第1章引言1
1.1深度強化學習及其簡史1
1.2深度強化學習的應用領域3
1.3深度強化學習方法的實現(xiàn)4
1.3.1NumPy庫和Matplotlib庫4
1.3.2PyTorch框架7
1.4本章實驗解析11
1.5本書各章聯(lián)系14
1.6本章小結14
1.7思考與練習15
第2章從神經網(wǎng)絡到深度學習16
2.1神經網(wǎng)絡回顧16
2.1.1神經網(wǎng)絡的推測過程17
2.1.2神經網(wǎng)絡的訓練過程18
2.1.3神經網(wǎng)絡實踐23
2.2從神經網(wǎng)絡到深度神經網(wǎng)絡26
2.3深度神經網(wǎng)絡29
2.3.1深度神經網(wǎng)絡的推測過程29
2.3.2深度神經網(wǎng)絡的訓練過程30
2.3.3反向模式自動微分34
2.3.4深度神經網(wǎng)絡實踐及分析35
2.4卷積神經網(wǎng)絡37
2.4.1卷積層和合并層38
2.4.2卷積神經網(wǎng)絡實踐41
2.5循環(huán)神經網(wǎng)絡42
2.6本章實驗解析45
2.7本章小結51
2.8思考與練習52第3章強化學習基礎53
3.1強化學習概述53
3.1.1多老虎機問題53
3.1.2利用與探索57
3.1.3強化學習的要素58
3.2有限馬爾可夫決策過程59
3.2.1狀態(tài)與馬爾可夫性59
3.2.2什么是有限馬爾可夫決策過程60
3.2.3收益與策略63
3.3求解MDP65
3.3.1貝爾曼方程與貝爾曼最優(yōu)方程65
3.3.2價值迭代69
3.3.3策略評估74
3.3.4策略迭代77
3.3.5廣義策略迭代82
3.4本章實驗解析85
3.5本章小結90
3.6思考與練習90
深度強化學習原理與實踐目錄第4章行動價值方法92
4.1行動價值與最優(yōu)行動價值92
4.1.1行動價值92
4.1.2最優(yōu)行動價值96
4.2蒙特卡洛方法99
4.3Q學習107
4.4DynaQ114
4.5使用監(jiān)督學習方法推測最優(yōu)行動價值的極限值118
4.6使用深度神經網(wǎng)絡推測最優(yōu)行動價值的極限值124
4.7本章實驗解析129
4.8本章小結136
4.9思考與練習136
第5章策略梯度方法138
5.1策略梯度基本方法138
5.2蒙特卡洛策略梯度方法142
5.2.1各個行動的蒙特卡洛策略梯度方法142
5.2.2單個行動的蒙特卡洛策略梯度方法147
5.2.3平移的蒙特卡洛策略梯度方法149
5.3行動評價方法154
5.4不完全觀測160
5.5本章實驗解析163
5.6本章小結168
5.7思考與練習169
附錄A實驗參考程序及注釋171
參考文獻231