Адреа Лонца - Алгоритмы обучения с подкреплением на Python
Описание и разработка алгоритмов искусственного интеллектаНазвание: | Алгоритмы обучения с подкреплением на Python | |
Автор: | Адреа Лонца | |
Жанр: | Искусственный интеллект, Python | |
Изадано в серии: | неизвестно | |
Издательство: | ДМК Пресс | |
Год издания: | 2020 | |
ISBN: | 978-5-97060-855-5 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Алгоритмы обучения с подкреплением на Python"
Эта книга поможет читателю овладеть алгоритмами обучения с подкреплением (ОП) и научиться реализовывать их при создании самообучающихся агентов. В первой части рассматриваются различные элементы ОП, сфера его применения, инструменты, необходимые для работы в среде ОП. Вторая и третья части посвящены непосредственно алгоритмам. В числе прочего автор показывает, как сочетать Q-обучение с нейронными сетями для решения сложных задач, описывает методы градиента стратегии, TRPO и PPO, позволяющие повысить производительность и устойчивость, а также детерминированные алгоритмы DDPG и TD3. Читатель узнает о том, как работает техника подражательного обучения, познакомится с алгоритмами исследования на базе верхней доверительной границы (UCB и UCB1) и метаалгоритмом ESBAS. Издание предназначено для тех, кто интересуется исследованиями в области искусственного интеллекта, применяет в работе глубокое обучение или хочет освоить обучение с подкреплением с нуля. Обязательное условие – владение языком Python на рабочем уровне.
Читаем онлайн "Алгоритмы обучения с подкреплением на Python". [Страница - 2]
- 1
- 2
- 3
- 4
- . . .
- последняя (127) »
Тензоры .............................................................................................................43
Создание графа .................................................................................................45
Простой пример линейной регрессии ............................................................46
Содержание 7
Введение в TensorBoard ........................................................................................49
Типы окружающих сред ОП .................................................................................51
Зачем нужны различные среды? .....................................................................51
Окружающие среды с открытым исходным кодом ........................................52
Резюме ...................................................................................................................54
Вопросы .................................................................................................................55
Для дальнейшего чтения......................................................................................55
Глава 3. Решение задач методом динамического
программирования........................................................................................56
МППР .....................................................................................................................56
Стратегия ..........................................................................................................58
Доход .................................................................................................................58
Функции ценности ...........................................................................................59
Уравнение Беллмана ........................................................................................60
Классификация алгоритмов ОП ..........................................................................61
Безмодельные алгоритмы................................................................................62
Алгоритмы ОП, основанные на модели ..........................................................63
Разнообразие алгоритмов................................................................................64
Динамическое программирование .....................................................................64
Оценивание и улучшение стратегии...............................................................65
Итерация по стратегиям ..................................................................................66
Итерация по ценности .....................................................................................70
Резюме ...................................................................................................................72
Вопросы .................................................................................................................73
Для дальнейшего чтения......................................................................................73
Часть II. БЕЗМОДЕЛЬНЫЕ АЛГОРИТМЫ ОП .................................74
Глава 4. Применение Q-обучения и алгоритма SARSA ...................75
Обучение без модели............................................................................................76
Порядок действий.............................................................................................76
Оценивание стратегии .....................................................................................77
Проблема исследования ...................................................................................77
TD-обучение..........................................................................................................78
TD-обновление .................................................................................................79
Улучшение стратегии .......................................................................................79
Сравнение методов Монте-Карло и TD-методов ...........................................79
SARSA.....................................................................................................................80
Алгоритм ...........................................................................................................80
Применение SARSA к игре Taxi-v2 ......................................................................81
Q-обучение ............................................................................................................86
Теория................................................................................................................86
Алгоритм ...........................................................................................................87
Применение Q-обучения к игре Taxi-v2 .............................................................87
Сравнение SARSA и Q-обучения......................................................................89
8 Содержание
Резюме ...................................................................................................................91
Вопросы .................................................................................................................92
Глава 5. Глубокая Q-сеть ..............................................................................93
Глубокие нейронные сети и Q-обучение ............................................................93
Аппроксимация функций ................................................................................94
Q-обучение с нейронными сетями .................................................................95
Неустойчивость глубокого Q-обучения ..........................................................96
DQN ........................................................................................................................97
Решение .............................................................................................................97
Алгоритм DQN ..................................................................................................98
Архитектура модели .......................................................................................101
Применение DQN к игре Pong ...........................................................................102
Игры Atari ........................................................................................................102
Предварительная обработка ..........................................................................103
Реализация DQN --">
- 1
- 2
- 3
- 4
- . . .
- последняя (127) »
Книги схожие с «Алгоритмы обучения с подкреплением на Python» по жанру, серии, автору или названию:
Фил Уиндер - Обучение с подкреплением для реальных задач Жанр: Искусственный интеллект Год издания: 2023 Серия: Бестселлеры o’reilly |
Сет Вейдман - Глубокое обучение: легкая разработка проектов на Python Жанр: Python Год издания: 2021 Серия: Бестселлеры o’reilly |
Лаура Грессер, Ван Лун Кенг - Глубокое обучение с подкреплением. Теория и практика на языке Python Жанр: Python Год издания: 2022 Серия: Библиотека программиста |