Podręcznik nauki o wzmacnianiu

Szukam notatek z podręczników / wykładów dotyczących uczenia się wzmacniającego. Lubię „Wprowadzenie do uczenia statystycznego” , ale niestety nie obejmują one tego tematu. Wiem, że książka Suttona i Barto jest standardowym materiałem źródłowym i być może NDP jest również dobra, ale są datowane na lata 1997-98, i miałem nadzieję znaleźć bardziej nowoczesną ekspozycję, ponieważ w tej dziedzinie prawdopodobnie ostatnio nastąpił pewien rozwój czas.

Myślę, że Sutton i Barto wciąż są standardem. Istnieje wiele tali slajdów i notatek z klas sztucznej inteligencji online, ale zazwyczaj nie zawierają one zbyt wielu szczegółów.

Sutton i Barto są trochę starzy, ale przygotowują drugie wydanie swojego podręcznika. Projekt z stycznia 2018 r. Jest dostępny tutaj ; jest to związane z Suttona strony internetowej , która ma również pełny tekst pierwszej edycji.

$\textrm{TD(}\lambda\textrm{)}$

Poza tym możesz spróbować zagłębić się w jakieś dokumenty - nauka na temat wzmacniania zwykle jest dość dostępna.

Warto zapoznać się z Algorytmami uczenia się przez zbrojenie autorstwa Csaby Szepesvári, opublikowanym w 2010 r. Plik PDF do pobrania ze strony internetowej. Moim zdaniem jest nieco bardziej techniczny niż Sutton i Barto, ale obejmuje mniej materiału.

Oto kilka dobrych podręczników / referencji:

Klasyczny

Sutton RS, Barto AG. Uczenie się przez zbrojenie: wprowadzenie. Cambridge, Mass: A Bradford Book; 1998. 322 s.

Projekt drugiej edycji jest dostępny za darmo: https://webdocs.cs.ualberta.ca/~sutton/book/the-book.html

Russell / Norvig Rozdział 21:

Russell SJ, Norvig P, Davis E. Sztuczna inteligencja: nowoczesne podejście. Upper Saddle River, NJ: Prentice Hall; 2010 r.

Bardziej techniczny

Szepesvári C. Algorytmy uczenia wzmacniającego. Wykłady syntetyczne na temat sztucznej inteligencji i uczenia maszynowego. 2010; 4 (1): 1–103. http://www.ualberta.ca/~szepesva/RLBook.html

Bertsekas DP. Programowanie dynamiczne i optymalna kontrola. 4. edycja Belmont, Mass .: Athena Scientific; 2007. 1270 s. Rozdział 6, tom 2 jest dostępny za darmo: http://web.mit.edu/dimitrib/www/dpchapter.pdf

Aby uzyskać najnowsze zmiany

Wiering M., van Otterlo M., redaktorzy. Nauka wzmocnienia. Berlin, Heidelberg: Springer Berlin Heidelberg; 2012 Dostępne od: http://link.springer.com/10.1007/978-3-642-27645-3

Kochenderfer MJ, Amato C, Chowdhary G., How JP, Reynolds HJD, Thornton JR, i in. Podejmowanie decyzji w warunkach niepewności: teoria i zastosowanie. 1 edycja. Cambridge, Massachusetts: The MIT Press; 2015. 352 p.

Uczenie się przez wiele agentów

Buşoniu L, Babuška R, Schutter BD. Nauka wzmocnienia przez wielu agentów: przegląd. W: Srinivasan D, Jain LC, redaktorzy. Innowacje w systemach i aplikacjach wieloagentowych - 1. Springer Berlin Heidelberg; 2010 s. 183–221. Dostępne na: http://link.springer.com/chapter/10.1007/978-3-642-14435-6_7

Schwartz HM. Uczenie maszynowe z wieloma agentami: podejście wzmacniające. Hoboken, New Jersey: Wiley; 2014.

Wideo / Kursy

Proponuję również kurs Davida Silvera w YouTube: https://www.youtube.com/playlist?list=PL5X3mDkKaJrL42i_jhE4N-p6E2Ol62Ofa

Moje ulubione notatki z wykładów na temat uczenia się przez wzmacnianie to te, które Andrew Ng w kursie Stanforda na ML CS229:

Uwagi dotyczące uczenia się o wzmocnieniu Stanford CS229

Możesz również pobrać filmy z wykładów na iTunes. Lub na youtube, zaczynają się w następujący link:

Wykład 16 CS229