学习+彭伟《揭秘深度强化学习》PDF+源代码+资料

深度强化学习(Deep Reinforcement Learning，DRL)是深度学习算法和强化学习算法的巧妙结合，它是一种新兴的通用人工智能算法技术，也是机器学习的前沿技术，DRL 算法潜力无限，AlphaGo 是目前该算法成功的使用案例。
DRL 算法以马尔科夫决策过程为基础，是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。深度强化学习算法主要包括基于动态规划（DP）的算法以及基于策略优化的算法。

《揭秘深度强化学习》是要把这两种主要的算法（及设计技巧）讲解清楚，使算法研究人员能够熟练地掌握。

学习参考：

《揭秘深度强化学习》PDF，376页，带目录，文字可以复制。配套源代码。作者：彭伟
下载: https://pan.baidu.com/s/1eVCDyse_FveXboet8w5s6A
提取码: 78ry

《揭秘深度强化学习人工智能机器学习技术丛书》共10 章，首先以AlphaGo 在围棋大战的伟大事迹开始，引起对人工智能发 展和现状的介绍，进而介绍深度强化学习的基本知识。然后分别介绍了强化学习（重点介绍蒙特卡洛算法和时序差分算法） 和深度学习的基础知识、功能神经网络层、卷积神经网络（CNN）、循环神经网络（RNN），以及深度强化学习的理论基础和 当前主流的算法框架。介绍了深度强化学习在不同领域的几个应用实例。引例、基础知识和实例相结合，方便读者理解和学习。

《揭秘深度强化学习 人工智能机器学习技术丛书》内容丰富，讲解全面、语言描述通俗易懂，是深度强化学习算法入门的选择。

 

转载于:https://www.cnblogs.com/davvv/p/10706565.html