久久精品国产只有精品2020_免费看无码自慰一区二区_亚洲精品午夜无码专区_夜夜添无码一区二区三区

1.1.1 強化學習的概念內涵

1.1.2 強化學習的發展歷史

1.1.3 強化學習的算法分類

1.1.4 強化學習的基本概念

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（Value Function）概念

1.2.4 模型（Model）概念

1.3 動態規劃算法（DP）

1.3.1 動態規劃概念

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學習（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 多智能體強化學習

3.1.2 多智能體系統的發展歷史

3.1.3 部分可觀察馬爾科夫決策過程

3.2 基于值函數的多智能體深度強化學習

3.2.1 基于DQN的早起多智能體方法

3.2.2 協同多智能體學習的價值分解網絡（VDN）

3.2.3 單調值函數分解（QMIX）

3.2.4 增強智能體間學習（RIAL）

3.3 基于策略的多智能體深度強化學習（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強化學習在機器人控制方面應用

4.2.1機器人導航

4.2.2機械臂控制

4.2.3家庭服務機器人

4.2.4機器人視覺

4.2.3 機器人足球

4.3強化學習在自動駕駛方面應用

4.3.1路徑優化

4.4 強化學習在推薦方面應用

4.4.1 商品推薦

4.4.2 廣告推薦

4.5 強化學習在計算機視覺方面應用

4.5.1圖像標注框優化

4.5.2圖像生成

4.5.3人體姿態估計

4.5.4行為識別

4.5.5目標檢測

4.5.6人臉圖像語義分割

4.6 強化學習在自然語言處理方面應用

4.6.1對話生成

4.6.2 自然語言問題生成

4.6.3網絡問答場景

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基礎知識

5.2.2 python基礎語法

5.3 pytorch基礎知識

5.4 深度學習基礎知識

5.5 神經網絡介紹

5.6 深度神經網絡基礎demo講解

6.1.1 Gym虛擬環境安裝

6.1.2 Gym虛擬環境基礎知識

6.2 利用Q-learning算法解決出租車調度問題

6.3.利用Q-learning解決“小車上山”問題

6.4 利用SARSA算法解決出租車調度問題

6.5 利用DQN解決“車-桿”問題

6.6 利用DQN算法訓練Flappy Bird游戲

6.7 利用DQN算法訓練“太空侵略者”游戲

6.9 利用Rainbow算法訓練“打磚塊”游戲

6.10 利用DDPG算法解決Pendulum問題

6.11 利用DDPG算法實現簡單的機械臂控制任務

6.12 利用A3C算法在仿真賽道上訓練自動駕駛賽車

6.13 利用A3C算法訓練“乒乓球對戰”游戲

6.14 利用PPO算法訓練“坦克對戰”問題

6.15 利用PPO算法在仿真系統上實現“模擬月球著陸”問題