基本信息
- 商品名称：揭秘深度强化学习/人工智能技术丛书
- 作者：编者:彭伟
- 定价：89.8
- 出版社：中国水利水电
- ISBN号：9787517062387
其他参考信息（以实物为准）
- 出版时间：2018-05-01
- 印刷时间：2018-05-01
- 版次：1
- 印次：1
- 开本：16开
- 包装：平装
- 页数：360
- 字数：357千字
内容提要
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
该算法相当成功的使用案例。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，本书的目的就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。
彭伟编著的《揭秘深度强化学习》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。*后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》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优选。
本书适合计算机专业本科相关学生、人工智能领域的
研究人员以及所有对机器学习和人工智能算法感兴趣
的人员。
目录
第1章 深度强化学习概览
1.1 什么是深度强化学习？
1.1.1 俯瞰强化学习
1.1.2 来一杯深度学习
1.1.3 Hello，深度强化学习
1.2 深度强化学习的学习策略
1.3 本书的内容概要
参考文献
第2章 强化学习基础
2.1 真相——经典的隐马尔科夫模型（HMM）
2.1.1 HMM引例
2.1.2 模型理解与推导
2.1.3 隐马尔科夫应用举例
2.2 逢考必过—马尔科夫决策过程（MDP）
2.2.1 MDP生活化引例
2.2.2 MDP模型
2.2.3 MDP模型引例
2.2.4 模型理解
2.2.5 探索与利用
2.2.6 值函数和动作值函数
2.2.7 基于动态规划的强化问题求解
2.3 糟糕，考试不给题库—无模型强化学习
2.3.1 蒙特卡洛算法
2.3.2 时序差分算法
2.3.3 异步强化学习算法
2.4 学霸来了——强化学习之模仿学习
2.4.1 模仿学习（Imitation Learning）
2.4.2 逆强化学习
本章总结
参考文献
第3章 深度学习基础
3.1 深度学习简史
3.1.1 神经网络发展史
3.1.2 深度学习的分类
3.1.3 深度学习的应用
3.1.4 深度学习存在的问题
3.2 深度学习基础概念
3.2.1 深度学**体感知
3.2.2 神经网络的基本组成
3.2.3 深度学习训练
3.2.4 梯度下降法
3.2.5 反向传播算法（BP）
3.3 数据预处理
3.3.1 主成分分析（PCA）
3.3.2 独立成分分析（ICA）
3.3.3 数据白化处理
3.4 深度学习硬件基础
3.4.1 深度学习硬件基础
3.4.2 GPU简介
3.4.3 CUDA编程
