深度強化學習實戰 用OpenAI Gym構建智能體 9787115561596 普拉文.巴拉尼沙米(Praveen Pa

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202306*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：深度強化學習實戰 用OpenAI Gym構建智能體
ISBN：9787115561596
出版社：人民郵電
著編譯者：普拉文.巴拉尼沙米(Praveen Palanisamy)
叢書名：深度學習系列
頁數：170
所在地：中國大陸 *此為代購商品
書號：1522713
可大量預訂，請先連絡。

【台灣高等教育出版社簡體書】 深度強化學習實戰 用OpenAI Gym構建智能體 787115561596 普拉文.巴拉尼沙米(Praveen Palanisamy)

內容簡介

這是一本介紹用OpenAI Gym構建智能體的實戰指南。全書先簡要介紹智能體和學習環境的一些入門知識，概述強化學習和深度強化學習的基本概念和知識點，然後重點介紹OpenAI Gym的相關內容，隨後在具體的Gym環境中運用強化學習演算法構建智能體。本書還探討了這些演算法在遊戲、自動駕駛領域的應用。 本書適合想用OpenAI Gym構建智能體的讀者閱讀，也適合對強化學習和深度強化學習感興趣的讀者參考。讀者應具備一定的Python編程基礎。

作者簡介

普拉文·巴拉尼沙米，專註于研究自主智能系統。他是通用汽車研發部門的AI（人工智能）研究員，主要負責針對自動駕駛開發基於深度強化學習的規劃和決策演算法。在此之前，他在卡內基-梅隆大學機器人所從事自動導航的研究（包括可移動機器人的感知與智能），曾從零開始研發一個完整的、自動的機器人系統。

目錄

第1章 智能體與學習環境入門
1 1 智能體簡介
1 2 學習環境
1 3 OpenAI Gym簡介
1 4 理解OpenAI Gym的主要特性
1 4 1 簡單的環境介面
1 4 2 可比較與可復現
1 4 3 進程可監控
1 5 OpenAI Gym工具包的作用
1 6 創建第一個OpenAI Gym環境
1 7 小結
第2章 強化學習和深度強化學習
2 1 強化學習簡介
2 2 直觀理解人工智能的含義和內容
2 2 1 監督學習
2 2 2 非監督學習
2 2 3 強化學習
2 3 強化學習實戰
2 3 1 智能體
2 3 2 獎勵
2 3 3 環境
2 3 4 狀態
2 3 5 模型
2 3 6 值函數
2 3 7 策略
2 4 馬爾可夫決策過程
2 5 動態規劃
2 6 蒙特卡洛學習和時序差分學習
2 7 SARSA和Q-Learning
2 8 深度強化學習
2 9 強化學習和深度強化學習演算法的實踐應用
2 10 小結
第3章 開啟OpenAI Gym和深度強化學習之旅
3 1 代碼庫、設置和配置
3 1 1 先決條件
3 1 2 創建conda環境
3 1 3 最小化安裝——快捷簡便的方法
3 1 4 完整安裝OpenAI Gym學習環境
3 2 安裝深度強化學習所需的工具和庫
3 2 1 安裝必備的系統軟體包
3 2 2 安裝CUDA
3 2 3 安裝PyTorch
3 3 小結
第4章 探索Gym及其功能
4 1 探索環境列表和術語
4 1 1 術語
4 1 2 探索Gym環境
4 2 理解Gym介面
4 3 Gym中的空間
4 4 小結
第5章 實現第一個智能體—解決過山車問題
5 1 了解過山車問題
5 2 從零開始實現Q-Learning智能體
5 2 1 Q-Learning回顧
5 2 2 使用Python和NumPy實現Q-Learning智能體
5 3 在Gym中訓練強化學習智能體
5 4 測試並記錄智能體的性能
5 5 一個簡單且完整的Q-Learner實現——過山車問題的解決方案
5 6 小結
第6章 用深度Q-Learning實現最優化控制智能體
6 1 優化Q-Learning智能體
6 1 1 用神經網絡近似Q函數
6 1 2 經驗回放
6 1 3 重溫ε-貪婪動作策略
6 2 實現一個深度Q-Learning智能體
6 2 1 用PyTorch實現一個深度卷積Q網路
6 2 2 使用目標Q網路穩定智能體的學習
6 2 3 記錄和可視化智能體的學習過程
6 2 4 管理超參數和配置參數
6 2 5 用完整的深度Q-Learner處理輸入為原始像素的複雜問題
6 3 Atari Gym環境
6 4 訓練深度Q-Learner玩Atari遊戲
6 4 1 整合一個完整的深度Q-Learner
6 4 2 超參數
6 4 3 啟動訓練過程
6 4 4 在Atari遊戲中測試深度Q-Learner的性能
6 5 小結
第7章 創建自定義OpenAI Gym環境——CARLA
7 1 理解Gym環境結構
7 1 1 為自定義Gym環境實現創建模板
7 1 2 在OpenAI Gym環境中註冊自定義環境
7 2 創建與OpenAI Gym兼容的CARLA環境
7 2 1 配置和初始化
7 2 2 實現reset方法
7 2 3 為CARLA環境實現step函數
7 2 4 測試CARLA Gym環境
7 3 小結
第8章 用深度演員-評論家演算法實現無人駕駛智能體
8 1 深度n步優勢演員-評論家演算法
8 1 1 策略梯度
8 1 2 演員-評論家演算法
8 1 3 優勢演員-評論家演算法
8 1 4 n步優勢演員-評論家演算法
8 1 5 深度n步優勢演員-評論家演算法
8 2 實現深度n步優勢演員-評論家智能體
8 2 1 初始化演員和評論家網路
8 2 2 用當前策略獲取n步經驗
8 2 3 計算演員和評論家的損失
8 2 4 更新演員-評論家模型
8 2 5 用於保存/載入、記錄、可視化和監視的工具
8 2 6 擴展——非同步深度n步優勢演員-評論家
8 3 訓練一個「聰明」的自動駕駛智能體
8 3 1 訓練和測試深度n步優勢演員-評論家智能體
8 3 2 訓練智能體在CARLA中駕駛車輛
8 4 小結
第9章 探索學習環境全景——Roboschool、Gym Retro、StarCraft-Ⅱ和DeepMind Lab
9 1 Gym介面兼容的環境
9 1 1 Roboschool
9 1 2 Gym Retro
9 2 其他基於Python的開源學習環境
9 2 1 星際爭霸Ⅱ—PySC
9 2 2 DeepMind Lab
9 3 小結
第10章 探索學習演算法世界——DDPG（演員-評論家）、PPO（策略梯度）、Rainbow（基於值）
10 1 深度確定性策略梯度
10 2 近端策略優化
10 3 Rainbow
10 3 1 核心概念
10 3 2 優點及應用簡要總結
10 4 小結
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。