Mély megerősítéses tanulás az egységben: A Unity ML Toolkit segítségével

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 3 olvasói szavazat alapján történt.

Eredeti címe:

Deep Reinforcement Learning in Unity: With Unity ML Toolkit

Könyv tartalma:

1. fejezet: Bevezetés a megerősítő tanulásba.

Altémák.

1. Markov-modellek és állapotalapú tanulás.

2. Bellman-egyenletek.

3. Többfegyveres bandita RL szimuláció létrehozása.

4. Érték és politika iteráció.

2. fejezet: Útkeresés és navigáció.

Rész - témakörök.

1. Útkeresés a Unityben.

2. Navigációs hálók.

3. Ellenséges mesterséges intelligencia létrehozása.

fejezet: Az ML Agents Toolkit SDK beállítása.

Rész - témakörök:

1. ML-ügynökök telepítése.

2. Brain Academy konfigurálása.

3. ML-ügynökök összekapcsolása a Tensorflow-val Jupyter Notebooks segítségével.

4. Játék az ML-ügynökök mintáival.

4. fejezet: A Brain Agents és az Academy megértése.

Rész - témák:

1. A Brain felépítésének megértése.

2. Különböző ügynökök képzése egyetlen Agyvel.

3. Általános hiperparaméterek.

5. fejezet: Mély megerősítéses tanulás.

Al-témák:

1. A matematikai gépi tanulás alapjai Pythonnal.

2. Mély tanulás Keras és Tensorflow segítségével.

3. Mély megerősítéses tanulási algoritmusok.

4. Neurális hálózat írása Deep Q learning for Brain.

5. Hiperparaméter-hangolás optimalizáláshoz.

6. Memóriaalapú LSTM hálózat tervezése Keras segítségével Brain számára.

7. Egy AI-ügynök építése Kart-játékhoz képzett hálózat segítségével.

6. fejezet: Versenyképes hálózatok AI-ügynökök számára.

Rész - témák:

1. Kooperatív hálózat és ellenséges hálózat.

2. Kiterjesztett megerősítéses tanulás-mélypolitikai gradiensek.

3. Unity ML-ügynökökkel végzett szimulációk.

4. Önvezető AI autonóm ügynök szimulálása.

7. fejezet: Esettanulmány - Akadálytorony-kihívás.

Rész - témák:

1. Akadálytorony-kihívás.

2. Unity ML Agents Challenge.

3. A Unity AI kutatási fejlesztései.

4. Játék az Open AI Gym Wrapperrel.