深度强化学习结合了深度学习和强化学习,使人工智能体能够在没有监督的情况下学习如何解决顺序决策问题。在过去的十年中,深度强化学习在一系列问题上取得了显著的成果,涵盖从单机游戏和多人游戏到机器人技术等方方面面。本书采用理论结合实践的方法,从直觉开始,然后仔细解释深度强化学习算法的理论,讨论在配套软件库SLM Lab中的实现,最后呈现深度强化学习算法的实践细节。
通过阅读《深度强化学习:基于Python的理论及实践(英文版)》,你将:
1)理解深度强化学习问题的每个关键方面。
2)探索基于策略和基于值的算法,包括REINFORCE算法、SARSA算法、DQN、双重DQN和优先级经验回放(PER)。
3)深入研究组合算法,包括演员-评论家算法和近端策略优化(PPO)算法。
4)了解算法的同步并行和异步并行。
5)在SLM Lab中运行算法,学习深度强化学习的实现细节。
6)探索算法基准测试结果与调优超参数。
7)了解深度强化学习的环境设计。
《深度强化学习:基于Python的理论及实践(英文版)》
PC版
http://product.china-/8077296
移动版
http://m.china-/touch/touchproduct.aspx?id=8077296
如果觉得《深度强化学习:基于Python的理论及实践(英文版)》对你有帮助,请点赞、收藏,并留下你的观点哦!