描述
《强化学习：导论》由理查德·S·萨顿和安德鲁·G·巴托撰写，是强化学习领域的基础性文本，这是人工智能研究中的一个重要领域。由麻省理工学院出版社出版的第二版，经过显著扩展和更新，涵盖了新主题并增强了对现有主题的覆盖。该书清晰易懂地阐述了支撑强化学习的关键思想和算法。
阅读更多
作者专注于核心在线学习算法，以易于理解和实用的方式呈现它们。书的第一部分涵盖了强化学习，而不深入更复杂的场景，确保读者掌握基本概念。本版引入的新算法包括上置信界（UCB）、期望Sarsa和双重学习，这些都是希望理解现代强化学习技术的必备知识。
书的第二部分将这些思想扩展到函数逼近，向读者介绍人工神经网络和傅里叶基等高级主题。本节还对离策略学习和策略梯度方法进行了更详细的处理，这对于开发复杂的强化学习模型至关重要。
在第三部分，作者探讨了强化学习、心理学和神经科学之间的联系，提供了这些领域交叉的见解。更新的案例研究，包括对AlphaGo、Atari游戏和IBM Watson的投注策略的讨论，展示了强化学习在现实场景中的实际应用。最后一章讨论了强化学习的社会影响，促使读者考虑这些技术的伦理影响。
这本书不仅适合专家；它旨在让学生、研究人员和从业者都能轻松理解。作者对清晰和简洁的承诺使其成为任何对强化学习的原则和应用感兴趣的人的宝贵资源。凭借其全面的覆盖和实用的见解，《强化学习：导论》是任何认真理解这一动态领域的人的必备书籍。
- 类别其他 AI 工具
图书信息
作者：理查德·S·萨顿，安德鲁·G·巴托
出版年份：2018
页数：552
可用格式：精装本，电子书
出版社：麻省理工学院出版社
ISBN（精装本）：9780262039246
ISBN（电子书）：9780262352703
版本：第二版
适合的读者
- 学术研究
- 研究参考
- 实际应用
- 自学
- 伦理考量
