Apprendimento per rinforzo profondo in Unity: Con Unity ML Toolkit

Punteggio:   (2,6 su 5)

Apprendimento per rinforzo profondo in Unity: Con Unity ML Toolkit (Abhilash Majumder)

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 3 voti.

Titolo originale:

Deep Reinforcement Learning in Unity: With Unity ML Toolkit

Contenuto del libro:

Capitolo 1: Introduzione all'apprendimento per rinforzo.

Sotto-argomenti.

1. Modelli di Markov e apprendimento basato sugli stati.

2. Equazioni di Bellman.

3. Creazione di una simulazione RL Multi Armed Bandit.

4. Iterazione di valori e politiche.

Capitolo 2: Pathfinding e navigazione.

Sotto-argomenti.

1. Pathfinding in Unity.

2. Maglie di navigazione.

3. Creazione dell'intelligenza artificiale dei nemici.

Capitolo 3: Impostazione di ML Agents Toolkit SDK.

Argomenti secondari:

1. Installazione degli agenti ML.

2. Configurazione di Brain Academy.

3. Collegamento degli agenti ML a Tensorflow con Jupyter Notebook.

4. Giocare con i campioni degli agenti ML.

Capitolo 4: Comprendere Brain Agents e Academy.

Argomenti secondari:

1. Comprendere l'architettura di Brain.

2. Addestramento di diversi agenti con un singolo cervello.

3. Iperparametri generici.

Capitolo 5: Apprendimento per rinforzo profondo.

Sotto-argomenti:

1. Fondamenti di apprendimento automatico matematico con Python.

2. Apprendimento profondo con Keras e Tensorflow.

3. Algoritmi di apprendimento rinforzato profondo.

4. Scrittura di reti neurali per l'apprendimento profondo Q per Brain.

5. Regolazione degli iperparametri per l'ottimizzazione.

6. Progettazione di una rete LSTM basata sulla memoria con Keras per Brain.

7. Costruire un agente di intelligenza artificiale per il gioco del kart utilizzando una rete addestrata.

Capitolo 6: Reti competitive per agenti di intelligenza artificiale.

Argomenti secondari:

1. Rete cooperativa e rete avversaria.

2. Apprendimento di rinforzo esteso - Gradienti di politica profonda.

3. Simulazioni effettuate con agenti ML Unity.

4. Simulazione di agenti autonomi AI per la guida autonoma.

Capitolo 7: Caso di studio - Sfida della torre degli ostacoli.

Sotto-argomenti:

1. Sfida della torre a ostacoli.

2. Sfida degli agenti ML Unity.

3. Sviluppi della ricerca di Unity AI.

4. Giocare con l'Open AI Gym Wrapper.

Altre informazioni sul libro:

ISBN:9781484265024
Autore:
Editore:
Rilegatura:Copertina morbida
Anno di pubblicazione:2020
Numero di pagine:564

Acquisto:

Attualmente disponibile, in magazzino.

Lo compro!

Altri libri dell'autore:

Apprendimento per rinforzo profondo in Unity: Con Unity ML Toolkit - Deep Reinforcement Learning in...
Capitolo 1: Introduzione all'apprendimento per...
Apprendimento per rinforzo profondo in Unity: Con Unity ML Toolkit - Deep Reinforcement Learning in Unity: With Unity ML Toolkit

Le opere dell'autore sono state pubblicate dai seguenti editori:

© Book1 Group - tutti i diritti riservati.
Il contenuto di questo sito non può essere copiato o utilizzato, né in parte né per intero, senza il permesso scritto del proprietario.
Ultima modifica: 2024.11.08 20:28 (GMT)