텐서플로와 유니티 ML-agents로 배우는 강화학습

▣ 00. 강화학습과 딥러닝 개요0.1 강화학습의 개요0.1.1 기계 학습이란?0.1.2 강화학습의 성과0.1.3 강화학습의 기본 용어0.1.4 탐험(Exploration)과 이용(Exploitation)0.2 인공 신경망 이론 0.2.1 인공 신경망(Artificial Neural Network, ANN)0.2.2 인공 신경망의 학습0.2.3 데이터 세트의 구성0.2.4 오버피팅(Overfitting)과 언더피팅(Underfitting) 0.2.5 텐서플로(TensorFlow)0.2.6 텐서보드(TensorBoard)0.3 인공 신경망 코드0.3.1 분류와 회귀0.3.2 회귀 문제(Boston Housing) 0.4 합성곱 신경망 이론0.4.1 합성곱(Convolution)0.4.2 합성곱 연산과 관련된 주요 용어0.4.3 합성곱 신경망의 구조0.5 합성곱 신경망 코드0.5.1 분류 문제(MNIST 데이터 세트)▣ 01. 유니티와 ML-Agents의 개요1.1 유니티 설치 및 기초1.1.1 유니티 시작하기1.1.2 유니티 인터페이스1.2 유니티 ML-Agents1.2.1 에이전트(Agent)1.2.2 브레인(Brain)1.2.3 아카데미(Academy)▣ 02. ML-Agents 맛보기2.1 ML-Agents 프로젝트 설정2.1.1 유니티 ML-Agents 내려받기2.1.2 새로운 프로젝트 생성2.1.3 ML-Agents 폴더를 유니티로 복사2.1.4 프로젝트 설정 2.2 유니티 예제 열기2.2.1 3DBall 환경 열기2.2.2 브레인 변경2.2.3 3DBall 환경 빌드2.3 mlagents 설치 및 학습2.3.1 mlagents 설치 및 경로 설정2.3.2 Getting-started.ipynb 실행 및 코드 설명2.3.3 mlagents를 이용한 학습2.3.4 학습된 결과 테스트▣ 03. 소코반 환경만들기3.1 그리드월드와 소코반3.2 소코반 폴더 생성 및 파일명 변경3.3 그리드월드와 소코반 비교3.4 박스 프리팹 제작3.5 Academy 스크립트 수정3.5.1 InitializeAcademy() 함수3.5.2 SetEnvironment() 함수3.5.3 AcademyReset() 함수3.6 Agent 코드 수정 3.7 소코반 환경 플레이3.8 소코반 환경 빌드▣ 04. Deep Q Network4.1 DQN 알고리즘의 개요4.2 DQN 알고리즘의 기법4.2.1 경험 리플레이(Experience Replay) 4.2.2 타겟 네트워크(Target Network)4.3 DQN 학습 4.4 DQN 코드 4.4.1 라이브러리 불러오기 및 파라미터 값 설정4.4.2 Model 클래스4.4.3 Agent 클래스4.4.4 Main 함수4.4.5 텐서보드를 이용한 성능 확인▣ 05. 드론 환경 만들기5.1 드론 환경5.2 드론 폴더 생성 및 파일명 변경5.3 에셋 스토어에서 드론 에셋 내려받기5.4 드론 에셋 환경 설정 및 플레이5.5 드론 환경 제작하기5.6 Agent 코드 작성 5.6.1 전역변수 설정5.6.2 InitializeAgent 함수5.6.3 CollectObservations 함수5.6.4 AgentAction 함수(행동 설정)5.6.5 AgentAction 함수(보상 설정)5.6.6 AgentReset 함수5.7 플레이어 브레인 설정 및 드론 환경 플레이5.8 러닝 브레인 설정 및 드론 환경 빌드▣ 06. Deep Deterministic Policy Gradient6.1 DDPG 알고리즘의 개요6.2 DDPG 알고리즘의 기법들6.2.1 경험 리플레이(Experience Replay) 6.2.2 타겟 네트워크(Target Network)6.2.3 소프트 타겟 업데이트(Soft Target Update)6.2.4 OU 노이즈(Ornstien Uhlenbeck Noise)6.3 DDPG 학습6.3.1 크리틱 네트워크 업데이트6.3.2 액터 네트워크 업데이트6.4 DDPG 코드6.4.1 라이브러리 불러오기 및 파라미터 값 설정6.4.2 OU 노이즈 클래스6.4.3 Actor & Critic 클래스6.4.4 Agent 클래스6.4.5 Main 함수6.4.6 텐서보드를 이용한 성능 확인▣ 07. 퐁 환경 만들기7.1 퐁 환경 설명7.2 퐁 환경 폴더 생성 및 파일명 변경7.3 퐁 환경 오브젝트 만들기7.3.1 게임판 만들기7.3.2 골대 만들기7.3.3 에이전트 만들기7.4 오브젝트에 마찰 및 탄성력 적용7.5 스크립트 제작7.5.1 PongAgent 스크립트7.5.2 PongGoalDetection 스크립트7.5.3 PongAcademy 스크립트7.6 브레인 추가하기7.6.1 다수의 브레인을 이용한 멀티에이전트 환경 설정7.6.2 하나의 브레인을 이용한 멀티에이전트 환경 설정7.7 퐁 환경 빌드▣ 08. 적대적인 DQN 에이전트 만들기8.1 적대적인 DQN 알고리즘의 개요8.2 적대적인 DQN 알고리즘 코드 8.2.1 라이브러리 불러오기 및 파라미터 값 설정8.2.2 Model 클래스8.2.3 Agent 클래스8.2.4 Main 함수8.3 하나의 브레인을 이용한 적대적인 DQN 알고리즘 코드8.4 적대적인 DQN 학습 결과▣ 09. 소코반 커리큘럼 학습9.1 커리큘럼 학습이란?9.2 커리큘럼 학습을 위한 소코반 환경9.2.1 소코반 커리큘럼의 환경 설정 변경9.2.2 Academy 코드 수정9.2.3 Agent 코드 수정9.3 DDDQN 알고리즘 이론9.3.1 Double DQN9.3.2 Dueling DQN9.4 DDDQN의 학습 코드 작성9.4.1 라이브러리 불러오기9.4.2 파라미터 설정9.4.3 DDDQN_Model 클래스9.4.4 DDDQN_Agent 클래스9.4.5 Main 함수9.5 소코반 커리큘럼 학습 실행 및 결과▣ 10. 닷지 환경 만들기10.1 닷지 환경 소개10.2 닷지 폴더 생성 및 파일명 변경10.3 씬 내부의 오브젝트 설정 10.3.1아카데미 스크립트 교체10.3.2 닷지 게임 환경 만들기10.3.3 닷지 에이전트 만들기10.3.4 공 만들기10.4 스크립트 구성하기10.4.1 DodgeAcademy 스크립트10.4.2 DodgeAgent 스크립트 10.4.3 BallScript 스크립트10.5 브레인 추가10.6 환경 빌드10.7 사람의 플레이 데이터 저장하기10.7.1 Demonstration 추가10.7.2 게임 실행 및 학습 데이터 녹화10.7.3 녹화 데이터 저장 경로▣ 11. Behavioral Cloning11.1 Behavioral Cloning 알고리즘의 개요 11.2 Behavioral Cloning 알고리즘의 기법 11.2.1 보상이 음수인 데이터 제외하기11.2.2 드롭아웃(Dropout)11.3 Behavioral Cloning 학습11.4 Behavioral Cloning 코드 11.4.1 라이브러리 불러오기11.4.2 파라미터 값 설정11.4.3 Model 클래스11.4.4 Agent 클래스11.4.5 Main 함수11.5 ml-agents의 내장 Behavioral Cloning▣ 12. 마무리12.1 정리12.2 여러 개의 ML-Agents 환경 동시에 실행하기

출처: 국립중앙도서관 서지정보