책소개
내용을 대폭 보강하여 20년 만에 개정된 강화학습 분야의 절대 바이블!인공지능 분야에서 가장 활발하게 연구되고 있는 분야 중 하나인 강화학습은 복잡하고 불확실한 환경과 상호작용하는 학습자에게 주어지는 보상을 최대화하는 수치 계산적 학습 방법이다. 리처드 서튼과 앤드류 바르토는 이 책 『단단한 강화학습』을 통해 강화학습의 핵심적인 개념과 알고리즘을 분명하고 이해하기 쉽게 설명한다. 1판이 출간된 이후 새롭게 부각된 주제들을 추가하였고, 이미 다루었던 주제들도 최신 내용으로 업데이트하였다.
목차
CHAPTER 01 소개 11.1 강화학습 21.2 예제 51.3 강화학습의 구성 요소 71.4 한계와 범위 91.5 확장된 예제: 틱택토 101.6 요약 161.7 강화학습의 초기 역사 17참고문헌 27PART I 표 형태의 해법CHAPTER 02 다중 선택 312.1 다중 선택 문제 322.2 행동 가치 방법 342.3 10중 선택 테스트 352.4 점증적 구현 382.5 비정상 문제의 흔적 402.6 긍정적 초깃값 422.7 신뢰 상한 행동 선택 442.8 경사도 다중 선택 알고리즘 462.9 연관 탐색(맥락적 다중 선택) 502.10 요약 51참고문헌 및 역사적 사실 54CHAPTER 03 유한 마르코프 결정 과정 573.1 에이전트-환경 인터페이스 583.2 목표와 보상 643.3 보상과 에피소드 663.4 에피소딕 작업과 연속적인 작업을 위한 통합 표기법 693.5 정책과 가치 함수 703.6 최적 정책과 최적 가치 함수 763.7 최적성과 근사 823.8 요약 83참고문헌 및 역사적 사실 84CHAPTER 04 동적 프로그래밍 894.1 정책 평가(예측) 904.2 정책 향상 944.3 정책 반복 974.4 가치 반복 1004.5 비동기 동적 프로그래밍 1034.6 일반화된 정책 반복 1044.7 동적 프로그래밍의 효율성 1064.8 요약 107참고문헌 및 역사적 사실 109CHAPTER 05 몬테카를로 방법 1115.1 몬테카를로 예측 1125.2 몬테카를로 행동 가치 추정 1185.3 몬테카를로 제어 1195.4 시작 탐험 없는 몬테카를로 제어 1235.5 중요도추출법을 통한 비활성 정책 예측 1265.6 점증적 구현 1335.7 비활성 몬테카를로 제어 1355.8 할인을 고려한 중요도추출법 1385.9 결정 단계별 중요도추출법 1395.10 요약 141참고문헌 및 역사적 사실 143CHAPTER 06 시간차 학습 1456.1 TD 예측 1466.2 TD 예측 방법의 좋은점 1506.3 TD(0)의 최적성 1536.4 살사: 활성 정책 TD 제어 1576.5 Q 학습: 비활성 정책 TD 제어 1606.6 기댓값 살사 1626.7 최대화 편차 및 이중 학습 1636.8 게임, 이후상태, 그 밖의 특별한 경우들 1666.9 요약 168참고문헌 및 역사적 사실 169CHAPTER 07 n단계 부트스트랩 1717.1 n단계 TD 예측 1727.2 n단계 살사 1777.3 n단계 비활성 정책 학습 1797.4 제어 변수가 있는 결정 단계별 방법 1817.5 중요도추출법을 사용하지 않는 비활성 정책 학습: n단계 트리 보강 알고리즘 1847.6 통합 알고리즘: n단계 Q(σ) 1877.7 요약 189참고문헌 및 역사적 사실 190CHAPTER 08 표에 기반한 방법을 이용한 계획 및 학습 1918.1 모델과 계획 1928.2 다이나: 계획, 행동, 학습의 통합 1948.3 모델이 틀렸을 때 1998.4 우선순위가 있는 일괄처리 2028.5 기댓값 갱신 대 표본 갱신 2068.6 궤적 표본추출 2108.7 실시간 동적 프로그래밍 2138.8 결정 시점에서의 계획 2178.9 경험적 탐색 2198.10 주사위 던지기 알고리즘 2218.11 몬테카를로 트리 탐색 2238.12 요약 2278.13 1부 요약: 차원 228참고문헌 및 역사적 사실 231PART II 근사적 해법CHAPTER 09 근사를 이용한 활성 정책 예측 2379.1 가치 함수 근사 2389.2 예측 목적(VE) 2399.3 확률론적 경사도와 준경사도 방법 2419.4 선형 방법 2469.5 선형 방법을 위한 특징 만들기 2539.6 시간 간격 파라미터를 수동으로 선택하기 2689.7 비선형 함수 근사: 인공 신경망 2699.8 최소 제곱 TD 2759.9 메모리 기반 함수 근사 2789.10 커널 기반 함수 근사 2809.11 활성 정책 학습에 대한 보다 깊은 관찰: 관심과 강조 2829.12 요약 285참고문헌 및 역사적 사실 286CHAPTER 10 근사를 적용한 활성 정책 제어 29310.1 에피소딕 준경사도 제어 29410.2 준경사도 n단계 살사 29710.3 평균 보상: 연속적 작업을 위한 새로운 문제 설정 30010.4 할인된 설정에 대한 반대 30410.5 미분 준경사도 n단계 살사 30710.6 요약 308참고문헌 및 역사적 사실 308CHAPTER 11 근사를 활용한 비활성 정책 방법 31111.1 준경사도 방법 31211.2 비활성 정책 발산의 예제 31511.3 치명적인 삼위일체 32011.4 선형 가치 함수 기하 구조 32211.5 벨만 오차에서의 경사도 강하 32711.6 벨만 오차는 학습할 수 없다 33211.7 경사도 TD 방법 33711.8 강한 TD 방법 34111.9 분산 줄이기 34311.10 요약 345참고문헌 및 역사적 사실 346CHAPTER 12 적격 흔적 34912.1 λ 이득 35012.2 TD(λ) 35512.3 중단된 n단계 λ 이득 방법 35912.4 다시 갱신하기: 온라인 λ 이득 알고리즘 36112.5 진정한 온라인 TD(λ) 36312.6 몬테카를로 학습에서의 더치 흔적 36612.7 살사(λ) 36812.8 가변 λ 및 γ 37212.9 제어 변수가 있는 비활성 정책 흔적 37412.10 왓킨스의 Q(λ)에서 트리 보강(λ)로 37812.11 흔적을 이용한 안정적인 비활성 정책 방법 38112.12 구현 이슈 38312.13 결론 384참고문헌 및 역사적 사실 386CHAPTER 13 정책 경사도 방법 38913.1 정책 근사 및 정책 근사의 장점 39013.2 정책 경사도 정리 39313.3 REINFORCE: 몬테카를로 정책 경사도 39513.4 기준값이 있는 REINFORCE 39913.5 행동자-비평자 방법 40113.6 연속적인 문제에 대한 정책 경사도 40313.7 연속적 행동을 위한 정책 파라미터화 40613.8 요약 408참고문헌 및 역사적 사실 409PART III 더 깊이 들여다보기CHAPTER 14 심리학 41314.1 예측과 제어 41414.2 고전적 조건화 41614.3 도구적 조건화 43314.4 지연된 강화 43814.5 인지 지도 44014.6 습관적 행동과 목표 지향적 행동 44214.7 요약 447참고문헌 및 역사적 사실 449CHAPTER 15 신경과학 45715.1 신경과학 기본 45815.2 보상 신호, 강화 신호, 가치, 예측 오차 46015.3 보상 예측 오차 가설 46315.4 도파민 46515.5 보상 예측 오차 가설에 대한 실험적 근거 46915.6 TD 오차/도파민 유사성 47315.7 신경 행동자-비평자 47915.8 행동자와 비평자 학습 규칙 48215.9 쾌락주의 뉴런 48815.10 집단적 강화학습 49015.11 뇌에서의 모델 기반 방법 49415.12 중독 49615.13 요약 497참고문헌 및 역사적 사실 501CHAPTER 16 적용 및 사례 연구 51116.1 TD-가몬 51116.2 사무엘의 체커 선수 51816.3 왓슨의 이중 내기 52216.4 메모리 제어 최적화 52616.5 인간 수준의 비디오 게임 실력 53116.6 바둑 게임에 통달하다 53916.7 개인화된 웹 서비스 55016.8 열 상승 554CHAPTER 17 프론티어 55917.1 일반적인 가치 함수 및 보조 작업 55917.2 옵션을 통한 시간적 추상화 56217.3 관측과 상태 56517.4 보상 신호의 설계 57217.5 남아 있는 이슈들 57617.6 인공지능의 미래 580참고문헌 및 역사적 사실 584참고문헌 588찾아보기 626
