Алгоритмы обучения с подкреплением на Python

Читать фрагмент

книга

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.

Форматы: PDF

Издательство: ДМК Пресс

Год: 2020

Место издания: Москва

ISBN: 978-5-97060-855-5

Страниц: 287

Артикул: 95186

Возрастная маркировка: 16+

Электронная книга

999 ₽

Купить и скачать

Содержание

Содержание книги "Алгоритмы обучения с подкреплением на Python : описание и разработка алгоритмов искусственного интеллекта"

Об авторе

Предисловие

Часть I. АЛГОРИТМЫ И ОКРУЖАЮЩИЕ СРЕДЫ

Глава 1. Ландшафт обучения с подкреплением

Введение в ОП

Элементы ОП

Применение ОП

Резюме

Вопросы

Для дальнейшего чтения

Глава 2. Реализация цикла ОП и OpenAI Gym

Настройка окружающей среды

OpenAI Gym и цикл ОП

Разработка моделей МО с помощью TensorFlow

Введение в TensorBoard

Типы окружающих сред ОП

Резюме

Вопросы

Для дальнейшего чтения

Глава 3. Решение задач методом динамического программирования

МППР

Классификация алгоритмов ОП

Динамическое программирование

Резюме

Вопросы

Для дальнейшего чтения

Часть II. БЕЗМОДЕЛЬНЫЕ АЛГОРИТМЫ ОП

Глава 4. Применение Q-обучения и алгоритма SARSA

Обучение без модели

TD-обучение

SARSA

Применение SARSA к игре Taxi-v2

Q-обучение

Применение Q-обучения к игре Taxi-v2

Резюме

Вопросы

Глава 5. Глубокая Q-сеть

Глубокие нейронные сети и Q-обучение

DQN

Применение DQN к игре Pong

Вариации на тему DQN

Резюме

Вопросы

Для дальнейшего чтения

Глава 6. Стохастическая оптимизация и градиенты стратегии

Методы градиента стратегии

Устройство алгоритма REINFORCE

REINFORCE с базой

Обучение алгоритма исполнитель–критик

Резюме

Вопросы

Для дальнейшего чтения

Глава 7. Реализация TRPO и PPO

Roboschool

Метод естественного градиента стратегии

Оптимизация стратегии в доверительной области

Проксимальная оптимизация стратегии

Резюме

Вопросы

Для дальнейшего чтения

Глава 8. Применения алгоритмов DDPG и TD3

Сочетание оптимизации градиента стратегии с Q-обучением

Алгоритм DDPG

Алгоритм TD3

Резюме

Вопросы

Для дальнейшего чтения

Часть III. ЗА ПРЕДЕЛАМИ БЕЗМОДЕЛЬНЫХ АЛГОРИТМОВ

Глава 9. ОП на основе модели

Методы на основе модели

Сочетание безмодельного и основанного на модели обучения

Применение алгоритма ME-TRPO к задаче об обратном маятнике

Резюме

Вопросы

Для дальнейшего чтения

Глава 10. Подражательное обучение и алгоритм DAgger

Технические требования

Подход на основе подражания

Игра Flappy Bird

Алгоритм агрегирования набора данных

Обратное обучение с подкреплением

Резюме

Вопросы

Для дальнейшего чтения

Глава 11. Оптимизация методом черного ящика

За рамками ОП

Основы эволюционных алгоритмов

Масштабируемые эволюционные стратегии

Применение масштабируемой ЭС к среде LunarLander

Резюме

Вопросы

Для дальнейшего чтения

Глава 12. Разработка алгоритма ESBAS

Исследование и использование

Подходы к исследованию

Алгоритм ESBAS

Резюме

Вопросы

Для дальнейшего чтения

Глава 13. Практические подходы к решению проблем ОП

Рекомендуемые практики глубокого ОП

Проблемы глубокого ОП

Передовые методы

ОП в реальном мире

Будущее ОП и его влияние на общество

Резюме

Вопросы

Для дальнейшего чтения

Ответы на вопросы

Предметный указатель

Внимание!
При обнаружении неточностей или ошибок в описании книги "Алгоритмы обучения с подкреплением на Python : описание и разработка алгоритмов искусственного интеллекта (автор Андреа Лонца)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!