Барто Э., Саттон Р., Обучение с подкреплением
серия: Адаптивные и интеллектуальные системы
Бином. Лаборатория знаний, 2017 г., 400 стр., 978-5-94774-351-7
Описание книги
Поделиться ссылкой на книгу
Содержание книги
and machine learning"
Предисловие
Часть I. Постановка задачи и подходы к ее
решению
Глава 1. Введение
1.1. Обучение с подкреплением
1.2. Примеры
1.3. Элементы обучения с подкреплением
1.4. Подробный пример: крестики-нолики
1.5. Итоги
1.6. История обучения с подкреплением
1.7. Библиографические и исторические справки
Глава 2. Оценочная обратная связь
2.1. Задача об n-руком бандите
2.2. Методы вычисления значений ценности
действий
2.3. Выбор действия с помощью операции softmax
2.4. Оценивание в сравнении с инструктированием
2.5. Пошаговая реализация обучения
2.6. Нестационарные задачи
2.7. Оптимистичные начальные оценки
2.8. Сравнение с подкреплением
2.9. Методы преследования
2.10. Ассоциативный поиск
2.11. Итоги
2.12. Библиографические и исторические справки
Глава 3. Задача обучения с подкреплением
3.1. Взаимосвязь агент - окружающая среда
3.2. Цели и вознаграждения
3.3. Выгода
3.4. Единые обозначения для непрерывных
заданий и заданий, состоящих изэпизодов
3.5. Марковское свойство
3.6. Марковские процессы принятия решений
3.7. Функции ценности
3.8. Оптимальные функции ценности
3.9. Оптимальность и аппроксимация
3.10. Итоги
3.11. Библиографические и исторические справки
Часть II. Фундаментальные методы решения
Глава 4. Динамическое программирование
4.1. Оценка стратегии
4.2. Улучшение стратегии
4.3. Итерация по стратегиям
4.4. Итерация по ценностям
4.5. Асинхронное динамическое программирование
4.6. Обобщенная итерация по стратегиям
4.7. Эффективность динамического
программирования
4.8. Итоги
4.9. Библиографические и исторические справки
Глава 5. Методы Монте-Карло
5.1. Оценка стратегии методами Монте-Карло
5.2. Оценка ценности действия методом
Монте-Карло
5.3. Формирование управления методом
Монте-Карло
5.4. Управление по методу Монте-Карло с
интегрированной оценкой ценности стратегий
5.5. Оценивание одной стратегии при
использовании другой
5.6. Управление по методу Монте-Карло с
разделенной оценкой ценности стратегий
5.7. Пошаговая реализация
5.8. Итоги
5.9. Библиографические и исторические справки
Глава 6. Обучение на основе временных различий
6.1. Предсказание на основе временных различий
6.2. Преимущества TD-методов предсказания
6.3. Оптимальность метода TD(0)
6.4. SARSA: управление по TD-методу с
интегрированной оценкой ценности стратегий
6.5. Q-обучение: управление по TD-методу с
разделенной оценкой ценности стратегий
6.6. Методы исполнитель-критик
6.7. R-обучение для неприведенных
продолжающихся задач
6.8. Игры, послесостояния и другие особые случаи
6.9. Итоги
6.10. Библиографические и исторические справки
Часть III. Единый подход
Глава 7. Следыприемлемости
7.1. n-шаговое TD-прогнозирование
7.2. Прямой подход к методам TD(?)
7.3. Обратный подход к методам TD(?)
7.4. Эквивалентность прямого и обратного
представлений
7.5. SARSA(?)
7.6. Метод Q(?)
7.7. Следы приемлемости для методов типа
исполнитель-критик
7.8. Замещающие следы
7.9. Проблемы реализации
7.10. Переменный параметр
7.11. Итоги
7.12. Библиографические и исторические справки
Глава 8. Обобщение и аппроксимация функций
8.1. Прогнозирование ценности при помощи
аппроксимации функции
8.2. Методы наискорейшего спуска
8.3. Линейные методы
8.4. Управление с аппроксимацией функции
8.5. Самонастройка с разделенной оценкой
ценности стратегий
8.6. Нужна ли самонастройка?
8.7. Итоги
8.8. Библиографические и исторические справки
Глава 9. Планирование и обучение
9.1. Модели и планирование
9.2. Объединение планирования, исполнения и
обучения
9.3. Когда модель неверна
9.4. Приоритетная прогонка
9.5. Сравнение полного и выборочного вариантов
дублирования
9.6. Траекторная выборка
9.7. Эвристический поиск
9.8. Итоги
9.9. Библиографические и исторические справки
Глава 10. Важнейшие аспекты обучения с
подкреплением
10.1. Единый подход
10.2. Некоторые другие новые направления
Глава 11. Конкретные примеры
11.1. Программа TD-Gammon
11.2. Программа игры в шашки Сэмюеля
11.3. Акробот
11.4. Управление лифтом
11.5. Динамическое распределение каналов
11.6. Задача планирования
Список обозначений
Список литературы
Предметный указатель
Об авторе
Роберт Саттон является создателем и профессором Менеджмента и прикладных наук в Стэнфордском университете. Он имеет степень доктора психологии в организационной психологии и является сооснователем Стэнфордской Программы Технологических Экспериментов. Кроме того он является сооснователем и активным учасником новой «к. школы», многопредметной программы, которая исповедует и распространяет «конструкторское мышление».
Последние поступления в рубрике "Тематика определяется"
![]() |
Ритуальный оракул Магия зеркал, 53 карты + инструкция
Представляем вам новую профессиональную колоду Любови Никифоровой (Отилы), являющуюся продолжением ранее изданной и уже популярной колоды «Ритуальный Оракул». В ней вы познакомитесь с азами работы с зеркалами, видами магических воздействий и способами их снятия.... |
![]() |
Оракул Норн. Нити судьбы, 45 карт+инструкция
Оракул Норн: нити судьбы - действительно уникальная колода. Предсказывать будущее или узнавать обстоятельства прошлого и настоящего помогают Боги, Богини и герои Древней Скандинавии. Они дают подробное описание грядущих событий, которое напрямую зависит не только от обстоятельств, но и от характера человека, который хочет узнать свое будущее.... |
![]() |
Оракул Вселенской любви Ангелов, 72 карты + инструкция
Оракул Вселенских Ангелов — это уникальная колода карт, созданная для тех, кто ищет направление и поддержку в области любви и добра от духовного мира Ангелов. Колода состоит из 72 карт, на каждой из которых изображен Ангел.... |
Если Вы задавались вопросами "где найти книгу в интернете?", "где купить книгу?" и "в каком книжном интернет-магазине нужная книга стоит дешевле?", то наш сайт именно для Вас. На сайте книжной поисковой системы Книгопоиск Вы можете узнать наличие книги Барто Э., Саттон Р., Обучение с подкреплением в интернет-магазинах. Также Вы можете перейти на страницу понравившегося интернет-магазина и купить книгу на сайте магазина. Учтите, что стоимость товара и его наличие в нашей поисковой системе и на сайте интернет-магазина книг может отличаться, в виду задержки обновления информации.