Ressourcen für den Einstieg in das vertiefte Lernen


7

Angenommen, der Lernende beherrscht künstliche neuronale Netze und verfügt über einen Hintergrund im Bereich des verstärkten Lernens. Was sind einige gute Ressourcen (Bücher / Videos / Papiere / GitHub-Repo / etc.), Um mit dem vertieften Lernen zu beginnen?


1
Sie können mein Github-Repo überprüfen, das den gesamten Code und die Erklärung enthält. Github.com/sudharsan13296/…
Sudharsan

Antworten:



4

Eine schöne Einführung in Deep Enforcement Learning von Lex Fridman (2019-01): https://youtu.be/zR11FLZ-O9M

2 kostenlose, einfach zu lesende Blog-Beiträge für den Einstieg in das vertiefte Lernen: Der erste konzentriert sich auf politische Gradienten, der zweite auf tiefes Q-Lernen.

  1. Deep Reinforcement Learning: Pong aus Pixeln ( Spiegel ) von Andrej Karpathy (31. Mai 2016).
  2. Demystifying Deep Reinforcement Learning ( Spiegel ) von Tambet Matiise über Nervana (21. Dezember 2015)

Dann zwei weitere ausführliche Ressourcen:

  1. 10 Videos zu je ~ 90 Minuten: Advanced Topics 2015 (COMPM050 / COMPGI13) ( Spiegel ) zum Reinforcement Learning von David Silver (2015)
  2. 455-seitiges kostenloses Buch: Reinforcement Learning: Eine Einführung (2. Auflage) von Richard S. Sutton und Andrew G. Barto (2016)

So starten Sie die Codierung:

  1. Learning Reinforcement Learning (mit Code, Übungen und Lösungen) ( Spiegel ) von Denny Britz (2. Oktober 2016)
  2. Lernbeispiele für minimale und saubere Verstärkung (2017)
  3. Verwenden von Keras und Deep Q-Network zum Spielen von FlappyBird ( Spiegel , Code ) von Ben Lau (10. Juli 2016) (der Code kann problemlos unter Ubuntu ausgeführt werden)
  4. Verwenden von Keras und Deep Deterministic Policy Gradient zum Spielen von TORCS ( Spiegel , Code ) von Ben Lau (11. Oktober 2016) (Hinweis: Die Installation der gym_torcsAnforderung zum Ausführen des Codes kann einige Zeit dauern, und Anweisungen werden nur für Linux gegeben).

Weitere Links:

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.