Hluboké posilovací učení v jednotě: Se sadou nástrojů Unity ML Toolkit

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 3 hlasů.

Původní název:

Deep Reinforcement Learning in Unity: With Unity ML Toolkit

Obsah knihy:

Kapitola 1: Úvod do učení posilováním.

Dílčí témata.

1. Markovovy modely a stavové učení.

2. Bellmanovy rovnice.

3. Vytvoření RL simulace Multi Armed Bandit.

4. Iterace hodnot a politik.

Kapitola 2: Hledání cesty a navigace.

Dílčí témata.

1. Pathfinding v Unity.

2. Navigační sítě.

3. Vytváření umělé inteligence nepřátel.

Kapitola 3: Nastavení ML Agents Toolkit SDK.

Dílčí témata:

1. Instalace ML Agentů.

2. Konfigurace Brain Academy.

3. Propojení ML Agentů s Tensorflow pomocí Jupyter Notebooků.

4. Hraní si s ukázkami ML agentů.

Kapitola 4: Porozumění agentům Brain a Akademii.

Dílčí témata:

1. Pochopení architektury Brainu.

2. Trénování různých agentů s jedním mozkem.

3. Obecné hyperparametry.

Kapitola 5: Hluboké učení s posilováním.

Dílčí témata:

1. Základy matematického strojového učení s Pythonem.

2. Hluboké učení s Keras a Tensorflow.

3. Algoritmy hlubokého posilovacího učení.

4. Psaní neuronové sítě pro hluboké učení Q pro Brain.

5. Ladění hyperparametrů pro optimalizaci.

6. Návrh paměťové sítě LSTM s Keras pro Brain.

7. Sestavení agenta umělé inteligence pro hru Kart pomocí natrénované sítě.

Kapitola 6: Konkurenční sítě pro agenty umělé inteligence.

Dílčí témata:

1. Kooperativní síť a síť protivníka.

2. Rozšířené učení s posilováním - hluboké přechody politiky.

3. Simulace provedené s agenty Unity ML.

4. Simulace autonomního agenta s umělou inteligencí pro samočinné řízení.

Kapitola 7: Případová studie - výzva s překážkovou věží.

Dílčí témata:

1. Překážková věžová výzva.

2. Unity ML Agents Challenge.

3. Výzkumný vývoj v oblasti umělé inteligence společnosti Unity.

4. Hraní si s obalem Open AI Gym.