强化学习(微课版)

I 概述
第1章 导论
1．1 强化学习简介
1．1．1 两个主要特征
1．1．2 与机器学习的关系
1．2 强化学习发展史
1．2．1 试错学习
1．2．2 *优控制
1．2．3 时序差分学习
1．2．4 深度强化学习
1．3 本书的主要内容
1．4 本章小结

II 预备知识
第2章 概率统计与随机过程
2．1 概率论
2．1．1 集合
2．1．2 概率
2．1．3 随机试验与随机事件
2．1．4 条件概率与独立事件
2．1．5 随机变量
2．1．6 期望与方差
2．1．7 概率分布
2．2 统计学基础
2．2．1 大数定律
2．2．2 中心极限定理
2．3 随机过程
2．3．1 基本概念
2．3．2 分布函数
2．3．3 基本类型
2．3．4 马尔可夫过程
2．3．5 马尔可夫链的状态分类
2．3．6 平稳分布
2．4 本章小结
第3章 机器学习
3．1 基本概念
3．2 线性回归
3．3 逻辑回归
3．3．1 逻辑回归模型
3．3．2 逻辑回归指标
3．3．3 逻辑回归算法
3．4 随机梯度下降
3．4．1 随机梯度下降法
3．4．2 基于SGD实现逻辑回归
3．5 本章小结
第4章 神经网络
4．1 神经元
4．2 感知机
4．2．1 感知机模型
4．2．2 感知机指标
4．2．3 感知机算法
4．3 神经网络
4．3．1 神经网络模型
4．3．2 神经网络指标
4．3．3 神经网络算法
4．3．4 梯度消失现象
4．4 本章小结
第5章 深度学习
……

III 强化学习基础
IV 表格求解法
V 近似求解法
VI 实践与前沿
VII 附录