توضیحات
The Contemporary Introduction to Deep Reinforcement Learning that Combines Theory and Practice
Deep reinforcement learning (deep RL) combines deep learning and reinforcement learning, in which artificial agents learn to solve sequential decision-making problems. In the past decade deep RL has achieved remarkable results on a range of problems, from single and multiplayer gamessuch as Go, Atari games, and DotA 2to robotics.
- Understand each key aspect of a deep RL problem
- Explore policy- and value-based algorithms, including REINFORCE, SARSA, DQN, Double DQN, and Prioritized Experience Replay (PER)
- Delve into combined algorithms, including Actor-Critic and Proximal Policy Optimization (PPO)
- Understand how algorithms can be parallelized synchronously and asynchronously
- Run algorithms in SLM Lab and learn the practical implementation details for getting deep RL to work
- Explore algorithm benchmark results with tuned hyperparameters
- Understand how deep RL environments are designed
————————————————————–
ترجمه ماشینی :
مقدمه معاصر بر یادگیری تقویتی عمیق که تئوری و عمل را با هم ترکیب می کند
یادگیری تقویتی عمیق (RL) ترکیبی از یادگیری عمیق و یادگیری تقویتی است که در آن عوامل مصنوعی حل متوالی را یاد می گیرند. مشکلات تصمیم گیری در دهه گذشته دیپ RL به نتایج قابل توجهی در مورد طیف وسیعی از مشکلات دست یافته است، از بازی های تک نفره و چند نفره مانند بازی های Go، Atari و DotA 2 گرفته تا روباتیک.
- درک هر جنبه کلیدی یک مشکل عمیق RL
- کاوش در الگوریتم های مبتنی بر خط مشی و ارزش، از جمله REINFORCE، SARSA، DQN، Double DQN و تکرار تجربه اولویت دار ( PER)
- کاوش در الگوریتمهای ترکیبی، از جمله بهینهسازی خطمشی Actor-Critic و Proximal (PPO)
- درک نحوه موازیسازی الگوریتمها بهصورت همزمان و ناهمزمان
- الگوریتمهای اجرای در آزمایشگاه SLM و جزئیات پیاده سازی عملی برای به کار انداختن RL عمیق را بیاموزید
- نتایج معیار الگوریتم را با فراپارامترهای تنظیم شده کاوش کنید
- درک نحوه طراحی محیط های عمیق RL
tag : دانلود کتاب مبانی یادگیری تقویتی عمیق: تئوری و عمل در پایتون (سری دادهها و تحلیلهای آدیسون-وسلی) , Download مبانی یادگیری تقویتی عمیق: تئوری و عمل در پایتون (سری دادهها و تحلیلهای آدیسون-وسلی) , دانلود مبانی یادگیری تقویتی عمیق: تئوری و عمل در پایتون (سری دادهها و تحلیلهای آدیسون-وسلی) , Download Foundations of Deep Reinforcement Learning: Theory and Practice in Python (Addison-Wesley Data & Analytics Series) Book , مبانی یادگیری تقویتی عمیق: تئوری و عمل در پایتون (سری دادهها و تحلیلهای آدیسون-وسلی) دانلود , buy مبانی یادگیری تقویتی عمیق: تئوری و عمل در پایتون (سری دادهها و تحلیلهای آدیسون-وسلی) , خرید کتاب مبانی یادگیری تقویتی عمیق: تئوری و عمل در پایتون (سری دادهها و تحلیلهای آدیسون-وسلی) , دانلود کتاب Foundations of Deep Reinforcement Learning: Theory and Practice in Python (Addison-Wesley Data & Analytics Series) , کتاب Foundations of Deep Reinforcement Learning: Theory and Practice in Python (Addison-Wesley Data & Analytics Series) , دانلود Foundations of Deep Reinforcement Learning: Theory and Practice in Python (Addison-Wesley Data & Analytics Series) , خرید Foundations of Deep Reinforcement Learning: Theory and Practice in Python (Addison-Wesley Data & Analytics Series) , خرید کتاب Foundations of Deep Reinforcement Learning: Theory and Practice in Python (Addison-Wesley Data & Analytics Series) ,






نقد و بررسیها
هنوز بررسیای ثبت نشده است.