邊做邊學(xué)深度強(qiáng)化學(xué)習(xí)：PyTorch程序設(shè)計實(shí)踐

譯者序
前言
第1章　強(qiáng)化學(xué)習(xí)概述1
1.1　機(jī)器學(xué)習(xí)的分類（監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)）1
1.2　強(qiáng)化學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)的歷史6
1.3　深度強(qiáng)化學(xué)習(xí)的應(yīng)用實(shí)例11
參考文獻(xiàn)14
第2章　在走迷宮任務(wù)中實(shí)現(xiàn)強(qiáng)化學(xué)習(xí)16
2.1　Try Jupyter的使用方法16
2.2　迷宮和智能體的實(shí)現(xiàn)23
2.3　策略迭代法的實(shí)現(xiàn)31
2.4　價值迭代法的術(shù)語整理41
2.5　Sarsa的實(shí)現(xiàn)46
2.6　實(shí)現(xiàn)Q學(xué)習(xí)52
參考文獻(xiàn)57
第3章　在倒立擺任務(wù)中實(shí)現(xiàn)強(qiáng)化學(xué)習(xí)59
3.1　在本地PC上準(zhǔn)備強(qiáng)化學(xué)習(xí)的實(shí)現(xiàn)和執(zhí)行環(huán)境59
3.2　倒立擺任務(wù)“CartPole”64
3.3　由多變量連續(xù)值表示的狀態(tài)的表格表示69
3.4　Q學(xué)習(xí)的實(shí)現(xiàn)72
參考文獻(xiàn)80
第4章　使用PyTorch實(shí)現(xiàn)深度學(xué)習(xí)81
4.1　神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的歷史81
4.2　深度學(xué)習(xí)的計算方法89
4.3　使用PyTorch實(shí)現(xiàn)MNIST手寫數(shù)字分類任務(wù)94
參考文獻(xiàn)107
第5章　深度強(qiáng)化學(xué)習(xí)DQN的實(shí)現(xiàn)108
5.1　深度強(qiáng)化學(xué)習(xí)DQN（深度Q網(wǎng)絡(luò)）的說明108
5.2　實(shí)現(xiàn)DQN的四個要點(diǎn)111
5.3　實(shí)現(xiàn)DQN（上） 113
5.4　實(shí)現(xiàn)DQN（下） 123
參考文獻(xiàn)127
第6章　實(shí)現(xiàn)深度強(qiáng)化學(xué)習(xí)的改進(jìn)版128
6.1　深度強(qiáng)化學(xué)習(xí)算法發(fā)展圖128
6.2　DDQN的實(shí)現(xiàn)132
6.3　Dueling Network的實(shí)現(xiàn)141
6.4　優(yōu)先經(jīng)驗回放的實(shí)現(xiàn)145
6.5　A2C的實(shí)現(xiàn)157
參考文獻(xiàn)168
第7章　在AWS GPU環(huán)境中實(shí)現(xiàn)消磚塊游戲169
7.1　消磚塊游戲“Breakout”的描述169
7.2　準(zhǔn)備在AWS上使用GPU所需要的深度學(xué)習(xí)執(zhí)行環(huán)境174
7.3　學(xué)習(xí)Breakout的四個關(guān)鍵思想187
7.4　A2C的實(shí)現(xiàn)（上） 193
7.5　A2C的實(shí)現(xiàn)（下） 203
參考文獻(xiàn)212
后記214