서브메뉴
검색
상세정보
(수학으로 풀어보는) 강화학습 원리와 알고리즘 : 딥러닝과 강화학습을 이해하기 위한 필수 수학 이론부터 다양한 강화학습 알고리즘, 모델 기반 강화학습까지
(수학으로 풀어보는) 강화학습 원리와 알고리즘 : 딥러닝과 강화학습을 이해하기 위한 필수 수학 이론부터 다양한 강화학습 알고리즘, 모델 기반 강화학습까지
상세정보
- 자료유형
- 단행본(국내)
- 언어부호
- 본문언어 - kor
- 청구기호
- 저자명
- 서명/저자
- (수학으로 풀어보는) 강화학습 원리와 알고리즘 : 딥러닝과 강화학습을 이해하기 위한 필수 수학 이론부터 다양한 강화학습 알고리즘, 모델 기반 강화학습까지 / 박성수 지음
- 발행사항
- 형태사항
- xii, 396 p : 천연색삽화, 도표 ; 24 cm
- 총서명
- 데이터 사이언스 시리즈 ; 051
- 서지주기
- 참고문헌(p. 387-389) 및 색인수록
- 키워드
- 통일총서명
- 위키북스 데이터 사이언스 시리즈 ; 051
- 책소개
-
코딩하면서 알고리즘이 유도된 과정이 궁금하다면 이 책을 선택하기 바랍니다!
이 책은 딥러닝이나 강화학습 예제를 코딩하면서 그 배경 알고리즘의 유도 과정을 궁금해하는 사람을 위한 책이다. 술술 읽히는 책은 아니지만 그렇다고 심하게 어려운 책도 아니다. 수학의 선수 지식으로 대학 2학년 때 배우는 공업수학을 이수한 정도면 충분하고, 딥러닝의 선수 지식으로는 텐서플로, 케라스, 파이토치를 사용해 MNIST와 같은 간단한 딥러닝 예제를 따라 해 본 정도면 충분하다. 이 책에서는 강화학습뿐만 아니라 다른 머신러닝과 딥러닝의 기초가 되는 확률이론과 추정론에 대한 기본적인 이해를 바탕으로 강화학습의 여러 알고리즘을 처음부터 끝까지 생략하지 않고 수식으로 유도했다. 강화학습이 추구하는 기본 목표로부터 A2C, A3C, PPO, DDPG 및 모델 기반 강화학습 등 강화학습의 알고리즘이 무엇이고 어떤 목적으로 개발됐는지, 어떻게 수학적으로 유도했는지, 그리고 어떻게 코드로 구현해 적용했는지를 구체적으로 설명한다.
★ 이 책에서 다루는 내용 ★
◎ 강화학습을 이해하기 위한 기본 수학: 확률론, 추정론, 최적화, 벡터/행렬의 미분
◎ 강화학습 알고리즘: A2C, A3C, PPO, DDPG
◎ 최적제어 알고리즘: 반복적 LQR, 가우시안 LQR
◎ 로컬 모델 기반 강화학습: GMM, 모델 피팅 방법, LQR을 이용한 강화학습
MARC
008200318s2020 ggkad b 001a kor■001MOKWON0001288600
■00520200324114345
■007ta
■020 ▼a9791158391904▼g93000▼c\28000
■040 ▼a225006▼c225006▼d225006
■0410 ▼akor
■08204▼a006.31▼222
■090 ▼a006.31▼b박53강
■1001 ▼a박성수
■24520▼a(수학으로 풀어보는) 강화학습 원리와 알고리즘 :▼b딥러닝과 강화학습을 이해하기 위한 필수 수학 이론부터 다양한 강화학습 알고리즘, 모델 기반 강화학습까지 /▼d박성수 지음
■260 ▼a파주▼b위키북스▼c2020
■300 ▼axii, 396 p▼b천연색삽화, 도표▼c24 cm
■49010▼a데이터 사이언스 시리즈▼v051
■504 ▼a참고문헌(p. 387-389) 및 색인수록
■653 ▼a알고리즘▼a수학▼a딥러닝
■830 0▼a위키북스 데이터 사이언스 시리즈▼v051
■990 ▼a1385933
