Takviye öğreniminde bir ders kitabı / ders notları arıyorum. "İstatistiksel Öğrenmeye Giriş" e düşkünüm , ancak ne yazık ki bu konuyu kapsamıyor. Sutton ve Barto'nun bir kitabının standart bir referans olduğunu biliyorum ve belki de NDP de iyi ama 1997-98 tarihli ve bu alanın son zamanlarda oldukça fazla gelişmesi muhtemel olduğundan daha modern bir sergi bulmayı umuyordum. saati.
Yanıtlar:
Sutton ve Barto'nun hala standart olduğunu düşünüyorum. Çevrimiçi AI sınıflarından çok sayıda slayt destesi ve not var, ancak genellikle çok fazla ayrıntıya girmiyorlar.
Sutton ve Barto biraz eskidir, ancak ders kitaplarının 2. basımını hazırlıyorlar. Ocak 2018 tarihli bir taslak burada mevcuttur ; İlk baskının tam metnine de sahip olan Sutton'ın web sayfasından bağlantılıdır .
Kochenderfer ve arkadaşlarının Belirsizlik Altında Karar Verme ile mücadele etmeden önce buna bakardım . Bu kitap (çoğunlukla havacılıkta) bazı ilginç uygulamalara sahiptir, ancak hızla hareket eder ve çok fazla zıplar. Szepesvári Takviye Öğrenme Algoritmaları da iyi, ama özlü - yeni Sutton ve Barto'daki yedi bölüm ve 150 sayfaya kıyasla ulaşmak yaklaşık yirmi sayfa sürüyor .
Bunun dışında, bazı makalelere dalmayı deneyebilirsiniz - takviye öğrenme şeyleri oldukça erişilebilir olma eğilimindedir.
2010 yılında yayınlanan Csaba Szepesvári tarafından Güçlendirilmiş Öğrenme için Algoritmalar'a göz atmak isteyebilirsiniz . PDF web sitesinden indirilebilir. Bence Sutton ve Barto'dan biraz daha teknik ama daha az malzeme kaplıyor.
Burada bazı iyi ders kitaplarınız / referanslarınız var:
Klasik
Sutton RS, Barto AG. Takviye Öğrenimi: Giriş. Cambridge, Kütle: Bir Bradford Kitabı; 1998. 322 s.
İkinci baskı için taslak ücretsiz olarak kullanılabilir: https://webdocs.cs.ualberta.ca/~sutton/book/the-book.html
Russell / Norvig Bölüm 21:
Russell SJ, Norvig P, Davis E. Yapay zeka: modern bir yaklaşım. Yukarı Eyer Nehri, NJ: Prentice Hall; 2010.
Daha teknik
Szepesvári C. Takviye öğrenimi için algoritmalar. Yapay Zeka ve Makine Öğrenimi Sentezi Dersleri. 2010; 4 (1): 1-103. http://www.ualberta.ca/~szepesva/RLBook.html
Bertsekas DP. Dinamik Programlama ve Optimal Kontrol. 4. baskı. Belmont, Kütle: Athena Scientific; 2007. 1270 s. Bölüm 6, cilt 2 ücretsiz olarak kullanılabilir: http://web.mit.edu/dimitrib/www/dpchapter.pdf
Daha yeni gelişmeler için
Wiering M, van Otterlo M, editörler. Takviye Öğrenme. Berlin, Heidelberg: Springer Berlin Heidelberg; 2012 Erişim tarihi: http://link.springer.com/10.1007/978-3-642-27645-3
Kochenderfer MJ, Amato C, Chowdhary G, How JP, Reynolds HJD, Thornton JR, vd. Belirsizlik Altında Karar Verme: Teori ve Uygulama. 1 baskı. Cambridge, Massachusetts: MIT Yayınları; 2015. 352 s.
Çok ajanlı takviye öğrenimi
Buşoniu L, Babuška R, Schutter BD. Çok Etmenli Takviye Öğrenimi: Genel Bakış. İçinde: Srinivasan D, Jain LC, editörler. Çok Etmenli Sistemlerde Yenilikler ve Uygulamaları - 1. Springer Berlin Heidelberg; 2010 s. 183-221. Erişim : http://link.springer.com/chapter/10.1007/978-3-642-14435-6_7
Schwartz HM. Çok etmenli makine öğrenimi: pekiştirme yaklaşımı. Hoboken, New Jersey: Wiley; 2014.
Videolar / Kurslar
Ayrıca YouTube'da David Silver kursunu öneririm: https://www.youtube.com/playlist?list=PL5X3mDkKaJrL42i_jhE4N-p6E2Ol62Ofa
Takviye öğrenmesiyle ilgili en sevdiğim ders notları, Stanford'un ML CS229'daki kursunda Andrew Ng tarafından yazılanlar:
Reiforcment öğrenme notları Stanford CS229
Ders videolarını iTunes'dan da indirebilirsiniz. Veya youtube'da aşağıdaki bağlantıda başlarlar: