Tôi đang tìm kiếm một cuốn sách giáo khoa / bài giảng trong học tập củng cố. Tôi thích "Giới thiệu về học thống kê" , nhưng tiếc là họ không đề cập đến chủ đề này. Tôi biết rằng một cuốn sách của Sutton và Barto là một tài liệu tham khảo tiêu chuẩn, và có lẽ NDP cũng tốt nhưng chúng có niên đại 1997-98, và tôi đã hy vọng tìm thấy một giải trình hiện đại hơn vì lĩnh vực này có thể có một số phát triển gần đây thời gian.
Câu trả lời:
Tôi nghĩ Sutton và Barto vẫn là tiêu chuẩn. Có rất nhiều sàn trượt và ghi chú từ các lớp AI trực tuyến, nhưng chúng thường không đi sâu vào chi tiết.
Sutton và Barto hơi già, nhưng họ đang chuẩn bị một phiên bản thứ 2 của sách giáo khoa. Một dự thảo, ngày tháng 1 năm 2018, có sẵn ở đây ; nó được liên kết từ trang web của Sutton , cũng có toàn văn của phiên bản đầu tiên.
Tôi sẽ xem xét điều này trước khi giải quyết quyết định của Kochenderfer và cộng sự dưới sự không chắc chắn . Cuốn sách đó có một số ứng dụng thú vị (chủ yếu là trong ngành hàng không) nhưng nó di chuyển nhanh và bị trả lại rất nhiều. Các thuật toán của Szepesvári cho việc học tăng cường cũng rất tốt, nhưng không có gì khó khăn - phải mất khoảng hai mươi trang để đến , so với bảy trang và 150 trang trong Sutton và Barto mới hơn.
Ngoài ra, bạn có thể thử đi sâu vào một số bài viết - các công cụ học tập củng cố có xu hướng khá dễ tiếp cận.
Bạn có thể muốn kiểm tra Thuật toán học tăng cường của Csaba Szepesvári, được xuất bản năm 2010. PDF có thể tải xuống từ trang web. Theo tôi, nó có một chút kỹ thuật hơn Sutton và Barto nhưng bao gồm ít tài liệu hơn.
Ở đây bạn có một số sách giáo khoa / tài liệu tham khảo tốt:
Cổ điển
Sutton RS, Barto AG. Học tăng cường: Giới thiệu. Cambridge, Mass: Một cuốn sách của Warren; 1998. 322 tr.
Bản nháp cho phiên bản thứ hai có sẵn miễn phí: https://webdocs.cs.ualberta.ca/~sutton/book/the-book.html
Russell / Norvig Chương 21:
Russell SJ, Norvig P, Davis E. Trí tuệ nhân tạo: một cách tiếp cận hiện đại. Thượng Yên River, NJ: Hội trường Prentice; 2010.
Thêm kỹ thuật
Szepesvári C. Thuật toán học tăng cường. Bài giảng tổng hợp về trí tuệ nhân tạo và học máy. 2010; 4 (1): 1 Từ 103. http://www.ualberta.ca/~szepesva/RLBook.html
Bertsekas DP. Lập trình động và điều khiển tối ưu. Tái bản lần thứ 4 Belmont, Mass.: Athena Khoa học; Năm 2007 1270 tr. Chương 6, tập 2 có sẵn miễn phí: http://web.mit.edu/dimitrib/www/dpch CHƯƠNG.pdf
Đối với những phát triển gần đây
Wiering M, van Otterlo M, biên tập viên. Học tăng cường. Berlin, Heidelberg: Mùa xuân Berlin Heidelberg; 2012 Có sẵn từ: http://link.springer.com/10.1007/978-3-642-27645-3
Kochenderfer MJ, Amato C, Chowdhary G, How JP, Reynold HJD, Thornton JR, et al. Ra quyết định theo sự không chắc chắn: Lý thuyết và ứng dụng. 1 phiên bản. Cambridge, Massachusetts: Báo chí MIT; 2015. 352 tr.
Học tăng cường đa tác nhân
Buşoniu L, Babuška R, Schutter BD. Học tập tăng cường đa tác nhân: Tổng quan. Trong: Srinivasan D, Jain LC, biên tập viên. Những đổi mới trong hệ thống và ứng dụng đa tác nhân - 1. Mùa xuân Berlin Heidelberg; 2010 trang. 183 Gian21. Có sẵn từ: http://link.springer.com/ch CHƯƠNG / 10.1007/978-3-642-14435-6_7
Schwartz HM. Học máy đa tác nhân: một cách tiếp cận củng cố. Hoboken, New Jersey: Wiley; 2014.
Video / Khóa học
Tôi cũng sẽ đề xuất khóa học David Silver trong YouTube: https://www.youtube.com/playlist?list=PL5X3mDkKaJrL42i_jhE4N-p6E2Ol62Ofa
Bài giảng yêu thích của tôi ghi chú về học tập củng cố là những bài của Andrew Ng trong khóa học của Stanford về ML CS229:
Ghi chú học tập lại Stanford CS229
Bạn cũng có thể tải xuống các video bài giảng trên iTunes. Hoặc trên youtube, họ bắt đầu trong liên kết sau: