深度強(qiáng)化學(xué)習(xí)（Deep Reinforcement Learning，DRL）是深度學(xué)習(xí)算法和強(qiáng)化學(xué)習(xí)算法的巧妙結(jié)合，它是一種新興的通用人工智能算法技術(shù)，也是機(jī)器學(xué)習(xí)的前沿技術(shù)，DRL 算法潛力無限，AlphaGo 是目前該算法相當(dāng)成功的使用案例。DRL 算法以馬爾科夫決策過程為基礎(chǔ)，是在深度學(xué)習(xí)強(qiáng)大的非線性函數(shù)的擬合能力下構(gòu)成的一種增強(qiáng)算法。深度強(qiáng)化學(xué)習(xí)算法主要包括基于動態(tài)規(guī)劃（DP）的算法以及基于策略優(yōu)化的算法，本書的目的就是要把這兩種主要的算法（及設(shè)計技巧）講解清楚，使算法研究人員能夠熟練地掌握。

《揭秘深度強(qiáng)化學(xué)習(xí) 人工智能機(jī)器學(xué)習(xí)技術(shù)叢書》共10 章，首先以AlphaGo 在圍棋大戰(zhàn)的偉大事跡開始，引起對人工智能發(fā)展和現(xiàn)狀的介紹，進(jìn)而介紹深度強(qiáng)化學(xué)習(xí)的基本知識。然后分別介紹了強(qiáng)化學(xué)習(xí)（重點介紹蒙特卡洛算法和時序差分算法）和深度學(xué)習(xí)的基礎(chǔ)知識、功能神經(jīng)網(wǎng)絡(luò)層、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），以及深度強(qiáng)化學(xué)習(xí)的理論基礎(chǔ)和當(dāng)前主流的算法框架。最后介紹了深度強(qiáng)化學(xué)習(xí)在不同領(lǐng)域的幾個應(yīng)用實例。引例、基礎(chǔ)知識和實例相結(jié)合，方便讀者理解和學(xué)習(xí)。

《揭秘深度強(qiáng)化學(xué)習(xí) 人工智能機(jī)器學(xué)習(xí)技術(shù)叢書》內(nèi)容豐富，講解全面、語言描述通俗易懂，是深度強(qiáng)化學(xué)習(xí)算法入門的優(yōu)選。本書適合計算機(jī)專業(yè)本科相關(guān)學(xué)生、人工智能領(lǐng)域的研究人員以及所有對機(jī)器學(xué)習(xí)和人工智能算法感興趣的人員。

目錄

第1章 深度強(qiáng)化學(xué)習(xí)概覽
第2章 強(qiáng)化學(xué)習(xí)基礎(chǔ)
第3章 深度學(xué)習(xí)基礎(chǔ)
第4章 功能神經(jīng)網(wǎng)絡(luò)層
第5章 卷積神經(jīng)網(wǎng)絡(luò)（CNN）
第6章 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）
第7章 如何寫自己的CNN—C語言實現(xiàn)深度學(xué)習(xí)
第8章 深度強(qiáng)化學(xué)習(xí)
第9章 深度強(qiáng)化學(xué)習(xí)算法框架
第10章 深度強(qiáng)化學(xué)習(xí)應(yīng)用實例