【干货书】强化学习Python真实数据与实例应用,110页pdf

2022 年 10 月 13 日 专知

强化学习是人工智能中的一个强大工具,其中虚拟或物理智能体学习优化其决策以实现长期目标 。在某些情况下,这种机器学习方法可以节省程序员的时间,超越现有的控制器,达到超人的性能,并不断适应不断变化的条件。它展示了在许多任务(REF)和机器人和自动驾驶汽车(REF)的自动化方法上的人类水平的性能。这本书认为,这些成功表明强化学习可以在许多不同的情况下成功采用,包括机器人控制、股票交易、供应链优化和工厂控制。
然而,强化学习传统上局限于虚拟环境或已经提供设置的模拟中的应用。此外,实验可以完成几乎无限的尝试,没有风险。在许多现实生活的任务中,应用强化学习并不简单,因为(1)数据的形式不适合强化学习;(2)数据稀缺,(3)自动化在现实世界中有局限性。
因此,本书旨在帮助学者、领域专家和数据爱好者理解在现实问题中应用强化学习的基本原则 。这是通过关注将实际示例和将标准数据建模为应用基本代理所需的正确形式的过程来实现的。为了进一步帮助读者获得对这些方法的深入和基础的理解,本书全面展示了手工计算的示例,然后介绍如何以更自动化的方式使用代码实现这一点。
对于决策者谁对强化学习作为解决方案感兴趣,但不精通,这本书包括简单的,非技术的例子在介绍和案例研究部分。这些提供了强化学习提供的内容,也提供了在实践中应用它所面临的挑战和风险。具体来说,这些部分说明了强化学习和其他机器学习方法之间的区别,以及知名公司如何成功地使用这种方法解决他们的问题。


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“R110” 就可以获取【干货书】强化学习Python真实数据与实例应用,110页pdf》专知下载链接

                       
专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取100000+AI主题知识资料

登录查看更多
9

相关内容

强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【2022新书】强化学习基础及其在金融中的应用,522页pdf
专知会员服务
117+阅读 · 2022年11月5日
【干货书】Python中的数据结构和算法,928页pdf
专知会员服务
108+阅读 · 2022年9月25日
【实用书】强化学习实战:Python,110页pdf
专知会员服务
144+阅读 · 2022年6月9日
专知会员服务
121+阅读 · 2021年8月25日
【干货书】Python机器学习,361页pdf
专知会员服务
255+阅读 · 2021年2月25日
Python机器学习经典实例,366页pdf
专知会员服务
102+阅读 · 2021年1月2日
【干货书】Python机器学习及金融应用,384页pdf
专知会员服务
132+阅读 · 2021年1月1日
【简明书】强化学习的基础,111页pdf
专知
1+阅读 · 2022年11月16日
【实用书】强化学习实战:Python,110页pdf
【新书】多元统计与机器学习,185页pdf
专知
5+阅读 · 2022年6月5日
国家自然科学基金
21+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
12+阅读 · 2022年4月12日
Arxiv
15+阅读 · 2019年9月30日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
25+阅读 · 2018年8月19日
A Multi-Objective Deep Reinforcement Learning Framework
VIP会员
相关VIP内容
【2022新书】强化学习基础及其在金融中的应用,522页pdf
专知会员服务
117+阅读 · 2022年11月5日
【干货书】Python中的数据结构和算法,928页pdf
专知会员服务
108+阅读 · 2022年9月25日
【实用书】强化学习实战:Python,110页pdf
专知会员服务
144+阅读 · 2022年6月9日
专知会员服务
121+阅读 · 2021年8月25日
【干货书】Python机器学习,361页pdf
专知会员服务
255+阅读 · 2021年2月25日
Python机器学习经典实例,366页pdf
专知会员服务
102+阅读 · 2021年1月2日
【干货书】Python机器学习及金融应用,384页pdf
专知会员服务
132+阅读 · 2021年1月1日
相关基金
国家自然科学基金
21+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员