توضیحات
Reinforcement Learning for Finance begins by describing methods for training neural networks. Next, it discusses CNN and RNN two kinds of neural networks used as deep learning networks in reinforcement learning. Further, the book dives into reinforcement learning theory, explaining the Markov decision process, value function, policy, and policy gradients, with their mathematical formulations and learning algorithms. It covers recent reinforcement learning algorithms from double deep-Q networks to twin-delayed deep deterministic policy gradients and generative adversarial networks with examples using the TensorFlow Python library. It also serves as a quick hands-on guide to TensorFlow programming, covering concepts ranging from variables and graphs to automatic differentiation, layers, models, and loss functions.
Neural network libraries like TensorFlow, PyTorch, and Caffe had made tremendous contributions in the rapid development, testing, and deployment of deep neural networks, but I found most applications restricted to computer science, computer vision, and robotics. Having to use reinforcement learning algorithms in finance served as another reminder of the paucity of texts in this field. Furthermore, I found myself referring to scholarly articles and papers for mathematical proofs of new reinforcement learning algorithms. This led me to write this book to provide a one-stop resource for Python programmers to learn the theory behind reinforcement learning, augmented with practical examples drawn from the field of finance.
In practical applications, reinforcement learning draws upon deep neural networks. To facilitate exposition of topics in reinforcement learning and for continuity, this book also provides an introduction to TensorFlow and covers neural network topics like convolutional neural networks (CNNs) and recurrent neural networks (RNNs).
Finally, this book also introduces readers to writing modular, reusable, and extensible reinforcement learning code. Having worked on developing trading strategies using reinforcement learning and publishing papers, I felt existing reinforcement learning libraries like TF-Agents are tightly coupled with the underlying implementation framework and do not express central concepts in reinforcement learning in a manner that is modular enough for someone conversant with concepts to pick up TF-Agent library usage or extend its algorithms for specific applications. The code samples covered in this book provide examples of how to write modular code for reinforcement learning.
After completing this book, you will understand reinforcement learning with deep q and generative adversarial networks using the TensorFlow library.
————————————————————–
ترجمه ماشینی :
Reinforcement Learning for Finance با توصیف روش هایی برای آموزش شبکه های عصبی آغاز می شود. در مرحله بعد، CNN و RNN دو نوع شبکه عصبی مورد استفاده به عنوان شبکه های یادگیری عمیق در یادگیری تقویتی را مورد بحث قرار می دهد. علاوه بر این، این کتاب به نظریه یادگیری تقویتی می پردازد و فرآیند تصمیم گیری مارکوف، تابع ارزش، خط مشی و گرادیان های خط مشی را با فرمول بندی های ریاضی و الگوریتم های یادگیری توضیح می دهد. این الگوریتمهای یادگیری تقویتی اخیر از شبکههای دو عمقی Q تا گرادیانهای سیاست قطعی عمیق دوگانه و شبکههای متخاصم مولد را با مثالهایی با استفاده از کتابخانه TensorFlow Python پوشش میدهد. همچنین به عنوان یک راهنمای عملی سریع برای برنامه نویسی TensorFlow عمل می کند و مفاهیمی از متغیرها و نمودارها تا تمایز خودکار، لایه ها، مدل ها و توابع از دست دادن را پوشش می دهد. کتابخانههای شبکههای عصبی مانند TensorFlow، PyTorch و Caffe سهم فوقالعادهای در توسعه سریع، آزمایش و استقرار شبکههای عصبی عمیق داشتهاند، اما من بیشتر برنامههای کاربردی را به علوم کامپیوتر، بینایی کامپیوتر و روباتیک محدود کردم. استفاده از الگوریتم های یادگیری تقویتی در امور مالی یادآور کمبود متون در این زمینه بود. علاوه بر این، متوجه شدم که به مقالات و مقالات علمی برای اثبات ریاضی الگوریتم های جدید یادگیری تقویتی مراجعه می کنم. این باعث شد که این کتاب را بنویسم تا منبعی یکجا برای برنامهنویسان پایتون فراهم کنم تا تئوری پشت یادگیری تقویتی را بیاموزند، همراه با مثالهای عملی برگرفته از حوزه مالی. در کاربردهای عملی، یادگیری تقویتی از شبکه های عصبی عمیق استفاده می کند. برای تسهیل بیان موضوعات در یادگیری تقویتی و برای تداوم، این کتاب همچنین مقدمهای بر TensorFlow ارائه میکند و موضوعات شبکههای عصبی مانند شبکههای عصبی کانولوشنال (CNN) و شبکههای عصبی مکرر (RNN) را پوشش میدهد. در نهایت، این کتاب همچنین خوانندگان را با نوشتن کدهای یادگیری تقویتی مدولار، قابل استفاده مجدد و توسعه پذیر آشنا می کند. پس از کار بر روی توسعه استراتژیهای معاملاتی با استفاده از یادگیری تقویتی و انتشار مقالات، احساس کردم کتابخانههای یادگیری تقویتی موجود مانند TF-Agents به شدت با چارچوب پیادهسازی زیربنایی همراه هستند و مفاهیم اصلی در یادگیری تقویتی را بهگونهای بیان نمیکنند که به اندازه کافی مدولار باشد تا کسی که آگاه باشد. با مفاهیمی برای استفاده از کتابخانه TF-Agent یا گسترش الگوریتم های آن برای برنامه های خاص. نمونه کدهای پوشش داده شده در این کتاب نمونه هایی از نحوه نوشتن کدهای مدولار برای یادگیری تقویتی را ارائه می دهد. پس از تکمیل این کتاب، با استفاده از کتابخانه TensorFlow، یادگیری تقویتی با q عمیق و شبکه های متخاصم مولد را درک خواهید کرد.
tag : دانلود کتاب آموزش تقویتی برای امور مالی: حل مشکلات در امور مالی با CNN و RNN با استفاده از کتابخانه TensorFlow , Download آموزش تقویتی برای امور مالی: حل مشکلات در امور مالی با CNN و RNN با استفاده از کتابخانه TensorFlow , دانلود آموزش تقویتی برای امور مالی: حل مشکلات در امور مالی با CNN و RNN با استفاده از کتابخانه TensorFlow , Download Reinforcement Learning for Finance: Solve Problems in Finance with CNN and RNN Using the TensorFlow Library Book , آموزش تقویتی برای امور مالی: حل مشکلات در امور مالی با CNN و RNN با استفاده از کتابخانه TensorFlow دانلود , buy آموزش تقویتی برای امور مالی: حل مشکلات در امور مالی با CNN و RNN با استفاده از کتابخانه TensorFlow , خرید کتاب آموزش تقویتی برای امور مالی: حل مشکلات در امور مالی با CNN و RNN با استفاده از کتابخانه TensorFlow , دانلود کتاب Reinforcement Learning for Finance: Solve Problems in Finance with CNN and RNN Using the TensorFlow Library , کتاب Reinforcement Learning for Finance: Solve Problems in Finance with CNN and RNN Using the TensorFlow Library , دانلود Reinforcement Learning for Finance: Solve Problems in Finance with CNN and RNN Using the TensorFlow Library , خرید Reinforcement Learning for Finance: Solve Problems in Finance with CNN and RNN Using the TensorFlow Library , خرید کتاب Reinforcement Learning for Finance: Solve Problems in Finance with CNN and RNN Using the TensorFlow Library ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.