《強化學(xué)習(xí)》第2版

8742

《強化學(xué)習(xí)》第2版，是強化學(xué)習(xí)思想的深度剖析之作，被業(yè)內(nèi)公認為是一本強化學(xué)習(xí)基礎(chǔ)理論的經(jīng)典著作。它從強化學(xué)習(xí)的基本思想出發(fā)，深入淺出又嚴謹?shù)慕榻B了馬爾可夫決策過程、蒙特卡洛方法、時序差分方法、同軌離軌策略等強化學(xué)習(xí)的基本概念和方法，并以大量的實例幫助讀者理解強化學(xué)習(xí)的問題建模過程以及核心的算法細節(jié)。
適合所有對強化學(xué)習(xí)感興趣的讀者閱讀、收藏。

聲音（189）評價（0）

正序?|?倒序

致中國讀者
301
5年前
譯者序
179
5年前
第2版前言
207
5年前
第1版前言
146
5年前
第1章導(dǎo)論
313
5年前
1.1 強化學(xué)習(xí)
465
5年前
1.2 示例
266
5年前
1.3 強化學(xué)習(xí)要素
302
5年前
1.4 局限性與適用范圍
261
5年前
1.5 擴展實例：井字棋
289
5年前
1.6 本章小結(jié)
160
5年前
1.7 強化學(xué)習(xí)的早期歷史
237
5年前
第I部分表格型求解方法
139
5年前
2 多臂賭博機
158
5年前
2.1 一個k臂賭博機問題
212
5年前
2.2 動作-價值方法
140
5年前
2.3 10臂測試平臺
130
5年前
2.4 增量式實現(xiàn)
121
5年前
2.5 跟蹤一個非平衡問題
130
5年前
2.6 樂觀初始值
102
5年前
2.7 基于置信度上界的動作選擇
97
5年前
2.8 梯度賭博機算法
115
5年前
2.9 關(guān)聯(lián)搜索（上下文相關(guān)的賭博機）
92
5年前
2.10 本章小結(jié)
79
5年前
3 有限馬爾可夫決策過程
141
5年前
3.1 “智能體-環(huán)境”交互接口
119
5年前
3.2 目標和收益
81
5年前
3.3 回報和分幕
90
5年前
3.4 分幕式和持續(xù)性任務(wù)的統(tǒng)一表示法
89
5年前
3.5 策略和價值函數(shù)
108
5年前
3.6 最優(yōu)策略和最優(yōu)價值函數(shù)
75
5年前
3.7 最優(yōu)性和近似算法
55
5年前
3.8 本章小結(jié)
58
5年前
4 動態(tài)規(guī)劃
73
5年前
4.1 策略評估（預(yù)測）
74
5年前
4.2 策略改進
54
5年前
4.3 策略迭代
53
5年前
4.4 價值迭代
41
5年前
4.5 異步動態(tài)規(guī)劃
38
5年前
4.6 廣義策略迭代
31
5年前
4.7 動態(tài)規(guī)劃的策略
46
5年前
4.8 本章小結(jié)
39
5年前
5 蒙特卡洛方法
84
5年前
5.1 蒙特卡洛預(yù)測
80
5年前
5.2 動作價值的蒙特卡洛估計
46
5年前
5.3 蒙特卡洛控制
44
5年前
5.4 沒有試探性出發(fā)假設(shè)的蒙特卡洛控制
55
5年前
5.5 基于重要度采樣的離軌策略
39
5年前
5.6 增量式實現(xiàn)
25
5年前
5.7 離軌策略蒙特卡洛控制
44
5年前
5.8 *折扣敏感的重要度采樣
29
5年前
5.9 *每次決策型重要度采樣
25
5年前
5.10 本章小結(jié)
28
5年前
6 時序差分學(xué)習(xí)
23
5年前
6.1 時序差分預(yù)測
30
5年前
6.2 時序差分預(yù)測方法的優(yōu)勢
28
5年前
6.3 TD（0）的最優(yōu)性
12
5年前
6.4 Sarsa：同軌策略下的時序差分控制
17
5年前
6.5 Q學(xué)習(xí)：離軌策略下的時序差分控制
15
5年前
6.6 期望Sarsa
15
5年前
6.7 最大化偏差與雙學(xué)習(xí)
19
5年前
6.8 游戲、后位狀態(tài)和其他特殊例子
15
5年前
6.9 本章小結(jié)
12
5年前
7 n步自舉法
18
5年前
7.1 n步時序差分預(yù)測
14
5年前
7.2 n步Sarsa
10
5年前
7.3 n步離軌策略學(xué)習(xí)
12
5年前
7.4 *帶控制變量的每次決策型方法
19
5年前
7.5 不需要使用重要度采樣的離軌策略學(xué)習(xí)方法：n步樹回溯算法
15
5年前
7.6 *一個統(tǒng)一的算法：n步Q（δ）
29
5年前
7.7 本章小結(jié)
26
5年前
8 基于表格型方法的規(guī)劃和學(xué)習(xí)
25
5年前
8.1 模型和規(guī)劃
17
5年前
8.2 Dyna：集成在一起的規(guī)劃、動作和學(xué)習(xí)
19
5年前
8.3 當模型錯誤的時候
12
5年前
8.4 優(yōu)先遍歷
13
5年前
8.5 期望更新與采樣更新的對比
16
5年前
8.6 軌跡采樣
23
5年前
8.7 實時動態(tài)規(guī)劃
32
5年前
8.8 決策時規(guī)劃
14
5年前
8.9 啟發(fā)式搜索
15
5年前
8.10 預(yù)演算法
18
5年前
8.11 蒙特卡洛樹搜索
30
5年前
8.12 本章小結(jié)
18
5年前
8.13 第I部分總結(jié)
12
5年前
第II部分表格型近似求解方法
13
5年前
9 基于函數(shù)逼近的同軌策略預(yù)測
21
5年前
9.1 價值函數(shù)逼近
14
5年前
9.2 預(yù)測目標（VE）
22
5年前
9.3 隨機梯度與半梯度方法
18
5年前
9.4 線性方法
15
5年前
9.5 線性方法的特征構(gòu)造
19
5年前
9.5.1 多項式基
10
5年前
9.5.2 傅立葉基
6
5年前
9.5.3 粗編碼
11
5年前
9.5.4 瓦片編碼
8
5年前
9.5.5 徑向基函數(shù)
20
5年前
9.6 手動選擇步長參數(shù)
15
5年前
9.7 非線性函數(shù)逼近：人工神經(jīng)網(wǎng)絡(luò)
16
5年前
9.8 最小二乘時序差分
24
5年前

專輯主播

常盈投資

1800 31 2558

簡介：普及真正的量化投資知識體系。

TA的專輯