Шукаю підручник / конспекти лекцій для посилення навчання. Мені подобається "Вступ до статистичного навчання" , але, на жаль, вони не висвітлюють цю тему. Я знаю, що книга Саттона і Барто - це стандартний довідник, і, можливо, НДП також хороший, але вони датовані 1997-98 роками, і я сподівався знайти більш сучасну експозицію, оскільки ця сфера, ймовірно, має певний розвиток останнім часом час.
Відповіді:
Я думаю, що Саттон і Барто досі є еталоном. В Інтернеті є багато слайд-колод та приміток з класів AI, але вони, як правило, не надто деталізуються.
Саттон і Барто трохи старі, але вони готують друге видання свого підручника. Проект від січня 2018 року доступний тут ; він пов'язаний із веб-сторінки Саттона , на якій також є повний текст першого видання.
Я хотів би переконатися в цьому, перш ніж брати участь у вирішенні рішення Кочендерфера та ін., Прийнятого в умовах невизначеності . Ця книга має кілька цікавих застосувань (в основному в авіації), але вона швидко рухається і багато підскакує. Алгоритми Шепесварі для навчання зміцненню теж хороші, але піти - для отримання потрібно близько двадцяти сторінок , проти семи розділів і 150 сторінок у новіших Саттон і Барто.
Крім цього, ви можете спробувати зануритися в деякі документи - навчальні матеріали з підсиленнями, як правило, досить доступні.
Ви можете перевірити Алгоритми навчання зміцнення Csaba Szepesvári, опубліковані в 2010 р. PDF, які можна завантажити з веб-сайту. На мою думку, він трохи більш технічний, ніж Саттон і Барто, але охоплює менше матеріалу.
Тут у вас є кілька хороших підручників / посилань:
Класичний
Sutton RS, Barto AG. Навчання зміцненню: вступ. Кембридж, Массачусетс: Книга Бредфорда; 1998. 322 с.
Проект другого видання доступний безкоштовно: https://webdocs.cs.ualberta.ca/~sutton/book/the-book.html
Рассел / Норвіг Глава 21:
Рассел SJ, Норвіг П, Девіс Е. Штучний інтелект: сучасний підхід. Річка Верхнього Сідла, штат Нью-Джерсі: Зал Прентісе; 2010 рік.
Більш технічна
Szepesvári C. Алгоритми для посилення навчання. Синтезні лекції з питань штучного інтелекту та машинного навчання. 2010; 4 (1): 1–103. http://www.ualberta.ca/~szepesva/RLBook.html
Берцекас ДП. Динамічне програмування та оптимальне управління. 4-е видання. Белмонт, Массачусетс: Афіна Наукова; 2007. 1270 с. Розділ 6, т. 2 доступний безкоштовно: http://web.mit.edu/dimitrib/www/dpchapter.pdf
Для останніх розробок
Wiering M, van Otterlo M, редактори. Навчання зміцненню. Берлін, Гейдельберг: Спрингер Берлін Гейдельберг; 2012 Доступно за посиланням: http://link.springer.com/10.1007/978-3-642-27645-3
Kochenderfer MJ, Amato C, Chowdhary G, How JP, Reynolds HJD, Thornton JR та ін. Прийняття рішень у невизначеності: теорія та застосування. 1 видання. Кембридж, штат Массачусетс: Преса MIT; 2015. 352 с.
Багатоагентне підкріплення навчання
Buşoniu L, Babuška R, Schutter BD. Навчання підсиленням з кількох агентів: огляд. В: Шрінівасан Д, Джейн ЛК, редактори. Інновації в багатоагентних системах та додатках - 1. Спрингер Берлін Гейдельберг; 2010 p. 183–221. Доступний з: http://link.springer.com/chapter/10.1007/978-3-642-14435-6_7
Schwartz HM. Багатоагентне машинне навчання: підхід підкріплення. Хобокен, Нью-Джерсі: Вілі; 2014 рік.
Відео / Курси
Я б також запропонував курс Девіда Сілвер на YouTube: https://www.youtube.com/playlist?list=PL5X3mDkKaJrL42i_jhE4N-p6E2Ol62Ofa
Мої улюблені конспекти лекцій з вивчення підкріплення - це Ендрю Нг в курсі Стенфорда по ML CS229:
Зауваження щодо зміцнення кадрів Stanford CS229
Ви також можете завантажити відео з лекцій на iTunes. Або на YouTube, вони починаються за наступним посиланням: