揭秘深度强化学习
内容介绍
深度强化学习(Deep Reinforcement Learning,DRL)是深度学习算法和强化学习算法的巧妙结合,它是一种新兴的通用人工智能算法技术,也是机器学习的前沿技术,DRL 算法潜力无限,AlphaGo 是目前该算法相当成功的使用案例。DRL 算法以马尔科夫决策过程为基础,是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。深度强化学习算法主要包括基于动态规划(DP)的算法以及基于策略优化的算法,本书的目的就是要把这两种主要的算法(及设计技巧)讲解清楚,使算法研究人员能够熟练地掌握。
《揭秘深度强化学习 人工智能机器学习技术丛书》共10 章,首先以AlphaGo 在围棋大战的伟大事迹开始,引起对人工智能发展和现状的介绍,进而介绍深度强化学习的基本知识。然后分别介绍了强化学习(重点介绍蒙特卡洛算法和时序差分算法)和深度学习的基础知识、功能神经网络层、卷积神经网络(CNN)、循环神经网络(RNN),以及深度强化学习的理论基础和当前主流的算法框架。最后介绍了深度强化学习在不同领域的几个应用实例。引例、基础知识和实例相结合,方便读者理解和学习。
《揭秘深度强化学习 人工智能机器学习技术丛书》内容丰富,讲解全面、语言描述通俗易懂,是深度强化学习算法入门的优选。本书适合计算机专业本科相关学生、人工智能领域的研究人员以及所有对机器学习和人工智能算法感兴趣的人员。
目录
- 第1章 深度强化学习概览
- 第2章 强化学习基础
- 第3章 深度学习基础
- 第4章 功能神经网络层
- 第5章 卷积神经网络(CNN)
- 第6章 循环神经网络(RNN)
- 第7章 如何写自己的CNN—C语言实现深度学习
- 第8章 深度强化学习
- 第9章 深度强化学习算法框架
- 第10章 深度强化学习应用实例
2015年,google研发出“深度Q网络”程序,当时没有引起人们的注意。从2017年开始,深度学习越来越火,大家才发现它的价值。我找了很多资料,始终没有得到满意的答复。今天拿到这本书,没想到给了我个大惊喜。其他部分都不要,仅仅第九章就值了!
强化学习太烧脑了,每一段最少看两遍,才能真理解。最怕大段的文字,一个小时看不了几页。幸好作者画了很多示意图,能轻松一些。比如图2.7? 图2.12? 图3.15,能帮我很快理解,下一版的时候,希望图再多一倍,最好每页都有图。
找了好久,深度学习的书都是Python应用的,让我这个C程序猿怎么办[流泪]。没有C层面的理解深度学习怎么好意思说你懂深度学习呢?幸好看到彭老师的这本书,尤其喜欢第七章,用C语言完成了CNN,大受启发!