老湿机69福利区无码_俄罗斯转盘多人运动_四虎www免费人成_一二三四区无产乱码1000集_欧美+无码+排行榜_丰满人妻妇伦又伦精品app_姑父有力挺送苏清全文阅读_亚洲欧美综合色图_2012国语在线看免费观看剧

1.1.1 強化學(xué)習(xí)的概念內(nèi)涵

1.1.2 強化學(xué)習(xí)的發(fā)展歷史

1.1.3 強化學(xué)習(xí)的算法分類

1.1.4 強化學(xué)習(xí)的基本概念

1.2 馬爾科夫決策過程（MDP）

1.2.1 MDP概念

1.2.2 策略（Policy）概念

1.2.3 價值函數(shù)（Value Function）概念

1.2.4 模型（Model）概念

1.3 動態(tài)規(guī)劃算法（DP）

1.3.1 動態(tài)規(guī)劃概念

1.3.2 策略迭代方法（Policy Iteration）

1.3.3 價值迭代方法（Value Iteration）

1.4.1 蒙特卡洛算法概念

1.4.2 探索與利用

1.4.3 多臂老虎機問題

1.5.2 MC、TD、DP算法對比

1.5 時序差分算法（TD）

1.5.1 時間差分算法概念

1.6 Q學(xué)習(xí)（Q-Learning）

1.6.1 Q-Learning算法

1.6.2 SARSA算法

1.6.3 Q-Learning與SARSA

1.7 策略梯度算法（Policy Gradient）

1.7.1 策略梯度算法（Policy Gradient）

1.8 行動者-評論家算法（A2C）

1.8.1 行動者-評論家算法（Actor-Critic）

2.2 Double DQN

2.3 Dueling DQN

2.4 Distributional Q-function

2.5 Noisy Net

2.7 DDPG

2.8 異步多進程Actor-critic算法

2.9 Proximal Policy Optimization

3.1.1 多智能體強化學(xué)習(xí)

3.1.2 多智能體系統(tǒng)的發(fā)展歷史

3.1.3 部分可觀察馬爾科夫決策過程

3.2 基于值函數(shù)的多智能體深度強化學(xué)習(xí)

3.2.1 基于DQN的早起多智能體方法

3.2.2 協(xié)同多智能體學(xué)習(xí)的價值分解網(wǎng)絡(luò)（VDN）

3.2.3 單調(diào)值函數(shù)分解（QMIX）

3.2.4 增強智能體間學(xué)習(xí)（RIAL）

3.3 基于策略的多智能體深度強化學(xué)習(xí)（MADDPG）

4.1.1 Gym Retro游戲平臺

4.1.2 Atari 2600

4.1.3 Mujoco

4.1.4 Roboschool

4.1.5 TORCS

4.1.6 DMLab-30

4.2強化學(xué)習(xí)在機器人控制方面應(yīng)用

4.2.1機器人導(dǎo)航

4.2.2機械臂控制

4.2.3家庭服務(wù)機器人

4.2.4機器人視覺

4.2.3 機器人足球

4.3強化學(xué)習(xí)在自動駕駛方面應(yīng)用

4.3.1路徑優(yōu)化

4.4 強化學(xué)習(xí)在推薦方面應(yīng)用

4.4.1 商品推薦

4.4.2 廣告推薦

4.5 強化學(xué)習(xí)在計算機視覺方面應(yīng)用

4.5.1圖像標(biāo)注框優(yōu)化

4.5.2圖像生成

4.5.3人體姿態(tài)估計

4.5.4行為識別

4.5.5目標(biāo)檢測

4.5.6人臉圖像語義分割

4.6 強化學(xué)習(xí)在自然語言處理方面應(yīng)用

4.6.1對話生成

4.6.2 自然語言問題生成

4.6.3網(wǎng)絡(luò)問答場景

5.1.1前期準備

5.1.2安裝準備

5.1.3安裝Anaconda3

5.1.4 pytorch的安裝及配置

5.2 python3基礎(chǔ)知識

5.2.2 python基礎(chǔ)語法

5.3 pytorch基礎(chǔ)知識

5.4 深度學(xué)習(xí)基礎(chǔ)知識

5.5 神經(jīng)網(wǎng)絡(luò)介紹

5.6 深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)demo講解

6.1.1 Gym虛擬環(huán)境安裝

6.1.2 Gym虛擬環(huán)境基礎(chǔ)知識

6.2 利用Q-learning算法解決出租車調(diào)度問題

6.3.利用Q-learning解決“小車上山”問題

6.4 利用SARSA算法解決出租車調(diào)度問題

6.5 利用DQN解決“車-桿”問題

6.6 利用DQN算法訓(xùn)練Flappy Bird游戲

6.7 利用DQN算法訓(xùn)練“太空侵略者”游戲

6.9 利用Rainbow算法訓(xùn)練“打磚塊”游戲

6.10 利用DDPG算法解決Pendulum問題

6.11 利用DDPG算法實現(xiàn)簡單的機械臂控制任務(wù)

6.12 利用A3C算法在仿真賽道上訓(xùn)練自動駕駛賽車

6.13 利用A3C算法訓(xùn)練“乒乓球?qū)?zhàn)”游戲

6.14 利用PPO算法訓(xùn)練“坦克對戰(zhàn)”問題

6.15 利用PPO算法在仿真系統(tǒng)上實現(xiàn)“模擬月球著陸”問題