Ich habe schon seit einiger Zeit versucht, das Lernen von Verstärkung zu verstehen, aber irgendwie kann ich mir nicht vorstellen, wie man ein Programm für das Lernen von Verstärkung schreibt, um ein Problem der Gitterwelt zu lösen. Können Sie mir einige Lehrbücher vorschlagen, die mir helfen würden, eine klare Vorstellung von Reinforcement Learning zu entwickeln?
machine-learning
books
reinforcement-learning
Mädchen101
quelle
quelle
Antworten:
Hier haben Sie einige gute Referenzen zum Reinforcement Learning:
Klassisch
Sutton RS, Barto AG. Reinforcement Learning: Eine Einführung. Cambridge, Mass: Ein Bradford-Buch; 1998. 322 p.
Der Entwurf für die zweite Ausgabe ist kostenlos erhältlich: http://incompleteideas.net/book/the-book-2nd.html
Russell / Norvig Kapitel 21:
Russell SJ, Norvig P, Davis E. Künstliche Intelligenz: ein moderner Ansatz. Upper Saddle River, New Jersey: Prentice Hall; 2010.
Technischer
Szepesvári C. Algorithmen zum verstärkten Lernen. Synthesevorträge zu künstlicher Intelligenz und maschinellem Lernen. 2010; 4 (1): 1–103. http://www.ualberta.ca/~szepesva/RLBook.html
Bertsekas DP. Dynamische Programmierung und optimale Steuerung. 4. Auflage. Belmont, Mass.: Athena Scientific; 2007. 1270 p. Kapitel 6, Band 2 ist kostenlos verfügbar: http://web.mit.edu/dimitrib/www/dpchapter.pdf
Für neuere Entwicklungen
Wiering M, van Otterlo M, Herausgeber. Verstärkungslernen. Berlin, Heidelberg: Springer Berlin Heidelberg; 2012 Verfügbar unter: http://link.springer.com/10.1007/978-3-642-27645-3
Kochenderfer MJ, Amato C, Chowdhary G, How JP, Reynolds HJD, Thornton JR, et al. Entscheidungsfindung unter Unsicherheit: Theorie und Anwendung. 1 Ausgabe. Cambridge, Massachusetts: Die MIT-Presse; 2015. 352 p.
Multi-Agent-Verstärkungslernen
Buşoniu L, Babuška R, Schutter BD. Multi-Agent Reinforcement Learning: Ein Überblick. In: Srinivasan D, Jain LC, Herausgeber. Innovationen in Multi-Agent-Systemen und -Anwendungen - 1. Springer Berlin Heidelberg; 2010 p. 183–221. Verfügbar unter: http://link.springer.com/chapter/10.1007/978-3-642-14435-6_7
Schwartz HM. Maschinelles Lernen mit mehreren Agenten: ein Ansatz zur Verstärkung. Hoboken, New Jersey: Wiley Wiley; 2014.
Videos / Kurse
Ich würde auch David Silver Kurs in YouTube vorschlagen: https://www.youtube.com/playlist?list=PL5X3mDkKaJrL42i_jhE4N-p6E2Ol62Ofa
quelle
Es gibt einen kostenlosen Online-Kurs zum Reinforcement Learning von Udacity. Check: Maschinelles Lernen: Reinforcement Learning
quelle
Reinforcement Leraning hat mir sehr gut gefallen: Eine Einführung von Richard Sutton. Es bietet eine sehr schöne einheitliche Sicht auf RL, obwohl es nicht die neuesten Ansätze erwähnt (es ist von 1998).
quelle
Sie können mein Buch - Praktisches Reinforcement-Lernen mit Python lesen, in dem das Lernen von Verstärkung von Grund auf bis hin zu den hochmodernen Algorithmen für tiefes Verstärkungslernen erklärt wird.
Der gesamte Code zusammen mit der Erklärung ist bereits in meinem Github-Repo verfügbar. https://github.com/sudharsan13296/Hands-On-Reinforcement-Learning-With-Python
quelle