题名:
JOY RL强化学习实践教程   [ 专著] JOY RL qiang hua xue xi shi jian jiao cheng / 江季,王琦,杨毅远著 ,
ISBN:
978-7-115-63154-1 价格： CNY79.80
语种:
chi
载体形态:
160页 图 23cm
出版发行:
出版地： 北京 出版社： 人民邮电出版社 出版日期： 2025
内容提要:
本书是继《Easy RL:强化学习教程》(俗称“蘑菇书”)之后,为强化学习的读者专门打造的一本深入实践的全新教程。全书大部分内容基于3位作者的实践经验,涵盖马尔可夫决策过程、动态规划、免模型预测、免模型控制、深度学习基础、DQN算法、DQN算法进阶、策略梯度、Actor-Critic算法、DDPG与TD3算法、PPO算法等内容,旨在帮助读者快速入门强化学习的代码实践,并辅以一套开源代码框架“JoyRL”,便于读者适应业界应用研究风格的代码。与“蘑菇书”不同,本书对强化学 理论进行提炼,并串联知识点,重视强化学习代码实践的指导而不是对理论的详细讲解。 
主题词:
机器学习  
中图分类法:
TP181 版次： 5
其它题名:
强化学习实践教程
主要责任者:
江季 jiang ji 著
主要责任者:
王琦 wang qi 著
主要责任者:
杨毅远 yang yi yuan 著
责任者附注:
江季,网易算法工程师,硕士毕业于北京大学。Datawhale成员,《Easy RL:强化学习教程》《深度学习详解》作者。 
责任者附注:
王琦,上海交通大学人工智能教育部重点实验室博士研究生,硕士毕业于中国科学院大学。 
责任者附注:
杨毅远,牛津大学计算机系博士研究生,硕士毕业于清华大学。