بله
کتاب یادگیری تقویتی نوشته‌ی ولی درهمی، فریناز اعلمیان هرندی و محمدباقر دولتشاهی به یکی از مهم‌ترین روش‌های یادگیری ماشین یعنی یادگیری تقویتی می‌پردازد و نوع کارکرد و روش‌های بهره‌جویی حداکثری از آن را به دانشجویان و فعالان علوم مهندسی و دیگر رشته‌ها از جمله ریاضیات، اقتصاد، علوم اعصاب و روانشناسی آموخته است.
درباره‌ی کتاب یادگیری تقویتی
یادگیری تقویتی یک الگوی یادگیری است که یک عامل را در تعامل با یک محیط وارد وضعیت تصمیم متوالی می‌کند. عامل براساس عملکرد خود بازخوردی را در قالب جریمه یا پاداش دریافت می‌کند. کتاب یادگیری تقویتی نوشته‌ی ولی درهمی، فریناز اعلمیان هرندی و محمدباقر دولتشاهی با بررسی عناوینی از جمله، رسمی‌سازی مسئله‌ی یادگیری تقویتی، ویژگی مارکوف، روش‌های انتخاب عمل، تعادل میان کاوش و بهره‌گیری، برنامه‌ریزی پویا، روش‌های مونت کارلو، روش‌های یادگیری تفاضل موقتی، الگوریتم‌ها، معماری نقاد- تنها، معماری عملگر- نقاد، کاوش در فضای عمل و... به آموزش یکی از کاربردی‌ترین روش‌های یادگیری ماشین که یادگیری تقویتی است پرداخته و ابعاد گوناگون آن را مورد بررسی قرار داده است.
این کتاب با ارائه‌ی جداول، تصاویر و فرمول‌های مورد نیاز، توضیحات دقیقی درمورد هر مبحث فراهم کرده و در اختیار دانشجویان علوم مهندسی از جمله مهندسی کامپیوتر، برق، صنایع، مکانیک، مکاترونیک و... قرار داده است. کتاب یادگیری تقویتی در هر فصل به معرفی، تحلیل کاربردی و آموزش فرمول‌های مربوطه پرداخته است. در فصل پنجم کتاب یادگیری تقویتی، روش‌های مونت‌کارلو بررسی شده‌اند؛ روش‌های مونت‌کارلو گونه‌ای از روش‌های یادگیری هستند که راهکارهایی مبتنی بر متوسط‌گیری از بازگشت‌های نمونه را ارائه می‌دهند. همچنین نوع عملکرد و نقش آن در انجام محاسبات شرح داده شده است.
کتاب پیش رو راهنمایی جامع برای دانشجویان و متخصصان علوم مهندسی و دیگر علوم از جمله اقتصاد و علوم اعصاب و روانشناسی است که به همت انتشارات دانشگاه یزد در اختیار مخاطبان قرار گرفته است.
کتاب یادگیری تقویتی برای چه کسانی مناسب است؟
این کتاب برای دانشجویان علوم مهندسی از جمله مهندسی کامپیوتر مناسب است.
در بخشی از کتاب یادگیری تقویتی می‌خوانیم
یادگیری تقویتی، به معنای یادگرفتن عمل مناسب از میان مجموعه اَعمال مجاز برای یک موقعیت خاص بر اساس جایزه و جریمه‌های دریافتی است. به عبارت دیگر، در یادگیری تقویتی، موضوع مورد چالش عبارت است از: چگونگی نگاشت موقعیت‌ها به عمل‌ها، به طوری که یک سیگنال پاداش عددی (که سیگنال تقویتی نامیده می‌شود) بیشینه گردد. نکته مهم این است که در این روش برخلاف اکثر روش‌های یادگیری ماشین به یادگیرنده گفته نمی‌شود که در یک موقعیت خاص چه عملی را باید انجام دهد، بلکه یادگیرنده باید "خودش" با امتحان کردن عمل‌های مختلف در آن موقعیت، دریابد امید دریافت پاداش کدام یک از عمل‌هایش برای آن موقعیت بیش‌تر است. در اغلب مواقع، عمل‌ها ممکن است نه تنها پاداش‌های آنی، بلکه موقعیت‌های بعدی و به تبع آن تمام پاداش‌های آینده را تحت‌تأثیر قرار دهند. به عبارت دیگر برای دستیابی به پاداش واقعی باید سلسله‌ای از عمل‌ها انجام شود و این مفهوم، همان پاداش با تأخیر است. این دو مشخصه (یعنی جستجو از طریق آزمون و خطا ،و پاداش با تأخیر) مهم‌ترین ویژگی‌های متمایزکننده‌ی یادگیری تقویتی هستند.
