书名：揭秘深度强化学习 人工智能机器学习技术丛书

ISBN：9787517062387

定价：89.8

作者：彭伟  编著

CIP分类：TP181

中图分类：机器学习-研究

印张：23.25

页数：372

用纸：65全木浆

字数：357千字

出版日期：2018.5.1

开本：16开170*230

销售分类：书籍/杂志/报纸 >> 计算机/网络 >> 计算机控制仿真与人工智能

广告语：

      AI人工智能和机器学习类图书 深度强化学习算法入门图书 AlphaGo核心算法揭秘 一本用C语言描述机器学习、深度学习的著作 1000行代码 代码源文件下载160多张学习示意图 120多个公式 7年开发经验 

      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。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佳选择。本书适合计算机本科相关学生、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。

      《揭秘深度强化学习 人工智能机器学习技术丛书》是一本详细介绍深度强化学习算法的入门类图书，涉及深度学习和强化学习的相关内容，是人工智能前沿的研究方向。非常适合想在下一代技术领域立足的人工智能和机器学习算法从业者学习和参考。

      机器学习的一个分支是神经网络；神经网络模拟人的大脑，形成神经网络模型，它可以包括很多层次，一般来讲层次越深学习效果越好，很多层的神经网络就是深度学习。

      在传统的机器学习中，主要分为非监督学习（unsupervised learning）、监督学习（supervised leaning）和强化学习。强化学习是对决策的学习，简单来讲，强化学习就是用奖励机制，自己调节参数，让算法越来越聪明。

      深度强化学习，研究的是如何通过深度学习的方法来解决强化学习的问题。也就是深度学习和强化学习的结合。

      《揭秘深度强化学习 人工智能机器学习技术丛书》一书囊括了强化学习基础知识、马尔科夫决策过程、无模型强化学习、模仿学习、深度学习基础知识、神经网络基本组成、反向传播算法、功能神经网络层、循环神经网络、卷积神经网络（CNN）的基础和结构、循环神经网络（RNN）、深度强化学习基础、蒙特卡洛搜索树、策略梯度算法、深度强化学习算法框架、深度Q学习、双Q学习、异步优越性策略子-评价算法、深度强化学习应用实例等。

      深度强化学习算法可应用于量化投资、游戏智能、机器人决策、自动驾驶、无人机等。

目录：

第1章  深度强化学习概览

1.1  什么是深度强化学习？

1.1.1 俯瞰强化学习

1.1.2 来一杯深度学习

1.1.3  Hello，深度强化学习

1.2 深度强化学习的学习策略

1.3 本书的内容概要

参考文献

第2章  强化学习基础

2.1  真相--经典的隐马尔科夫模型（HMM）

2.1.1  HMM引例

2.1.2  模型理解与推导

2.1.3  隐马尔科夫应用举例

2.2  逢考必过—马尔科夫决策过程（MDP）

揭秘深度强化学习 AI人工智能机器学习算法教程书籍 C语言描述机器学习 深度强化学习算法入门书籍 电子书 下载 mobi epub pdf txt